虚拟变量与logistic回归练习题.doc

虚拟变量回归练习题1、请根据下表数据建立回归模型来分析食品支出与税后收入和性别的关系（1）请建立性别对食品支出影响的回归模型模型汇总b模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.435a.189.108570.840451.582a. 预测变量: (常量), 性别。b. 因变量: 食品支出Anovab模型平方和df均方FSig.1回归759530.0831759530.0832.331.158a残差3258588.16710325858.817总计4018118.25011a. 预测变量: (常量), 性别。b. 因变量: 食品支出系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)2170.500521.1044.165.002性别503.167329.575.4351.527.158a. 因变量: 食品支出通过上述模型统计分析，我们可以得到如下结论：得到的P=0.1580.05，所以接受原假设，所以性别对食品支出无显著差异。（2）请建立考虑了税后收入和性别两个自变量对食品支出影响的回归模型，并进行解释。模型汇总b模型RR 方调整 R 方标准 估计的误差Durbin-Watson1.964a.928.913178.769281.926a. 预测变量: (常量), 性别, 税后收入。b. 因变量: 食品支出v Anovab模型平方和df均方FSig.1回归373049207258.365.000a残差287626.106931958.456总计4018118.25011a. 预测变量: (常量), 性别, 税后收入。b. 因变量: 食品支出系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)1048.271200.4485.230.001税后收入.059.006.8929.642.000性别228.987107.058.1982.139.061a. 因变量: 食品支出通过上述统计分析我们可以得到如下结论：在同时考虑税后收入和性别对食品支出的影响时，税后收入P=00.05，接受原假设，所以性别对食品支出无显著影响。2、考察1990年前后的中国居民的总储蓄-收入关系是否已发生变化。下表中给出了中国19792001年以城乡储蓄存款余额代表的居民储蓄以及以GNP代表的居民收入的数据。(1) 不考虑时间变量的影响建立回归模型。模型汇总模型RR 方调整 R 方标准 估计的误差1.986a.972.9705413.22314a. 预测变量: (常量), 储蓄。b.Anovaa模型平方和df均方FSig.1回归21027897021.581121027897021.581717.603.000b残差615362679.6172129302984.744总计21643259701.19822a. 因变量: GNPb. 预测变量: (常量), 储蓄。系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)8814.7451467.5656.006.000储蓄1.286.048.98626.788.000a. 因变量: GNP通过上述建立的回归模型统计分析，我们可以得到：F分布值P=00.05，所以拒绝原假设，所以说明储蓄和收入之间关系没有发生变化。(2) 引进时间变量，建立回归模型模型汇总b模型RR 方调整 R 方标准 估计的误差1.993a.986.9843921.19231a. 预测变量: (常量), 是否90, 储蓄。b. 因变量: GNPAnovaa模型平方和df均方FSig.1回归21335744718.151210667872359.076693.812.000b残差307514983.0472015375749.152总计21643259701.19822a. 因变量: GNPb. 预测变量: (常量), 是否90, 储蓄。系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)6991.4611138.4836.141.000储蓄1.099.054.84320.232.000是否9011442.5782557.255.1864.475.000a. 因变量: GNP残差统计量a极小值极大值均值标准 偏差N预测值7300.299899504.070333939.991331141.7176523残差-6780.768076459.91992.000003738.7101823标准 预测值-.8552.105.0001.00023标准 残差-1.7291.647.000.95323a. 因变量: GNP通过上述建立的回归模型统计分析，我们可以得到：F分布值P=00.05,说明模型能够很好的拟合整体，不存在显著的差异。（2） 各自变量的显著性情况。方程中的变量BS.E,WalsdfSig.Exp (B)步骤 0常量-.143.379.1431.706.867不在方程中的变量得分dfSig.步骤 0变量X16.0381.014X22.9461.086X3(1)5.0731.024总统计量10.4143.015模型系数的综合检验卡方dfSig.步骤 1步骤12.7033.005块12.7033.005模型12.7033.005分类表a已观测已预测上下班方式百分比校正主要骑自行车主要乘坐公交汽车步骤 1上下班方式主要骑自行车13286.7主要乘坐公交汽车31076.9总计百分比82.1a. 切割值为 .500通过上述模型分析我们可以得到：X1（年龄）P=0.0140.05，所以接受原假设，则月收入与上下班关系不具有显著性。X3（性别）P=0.0240.05，所以拒绝原假设，则年龄与上下班关系具有显著性。（3） 自变量中有显著性的变量对因变量的影响程度，即优势比的意义。方程中的变量BS.E,WalsdfSig.Exp (B)EXP(B) 的 95% C.I.下限上限步骤 1aX1.082.0522.4861.1151.086.9801.202X2.002.002.6611.4161.002.9981.005X3(1)2.5021.1584.6691.03112.2051.262118.052常量-6.1572