实验3(作业).doc

浙江大学城市学院 实 验 报 告 纸 编号：20 -20 学年第 学期实 验 报 告实验课程名称 实验 三 专 业 班 级 学 生 姓 号 学 生 姓 名 实验指导教师 实验名称 实验三 指导老师 成绩 专业 班级 姓名 学号 11.027个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据见book11.02。1) 人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。2) 计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。3) 利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。4) 计算判定系数r方，并解释其意义。5) 检验回归方程线性关系的显著性 （a=0.05）6) 如果某地区的人均GDP为5000元，预测其人均消费水平。1)由图可以看出，两者之间具有明显的线性关系。2）相关性人均GDP（元）人均消费水平（元）人均GDP（元）Pearson 相关性1.998*显著性（双侧）.000N77人均消费水平（元）Pearson 相关性.998*1显著性（双侧）.000N77*. 在 .01 水平（双侧）上显著相关。从表中可知，两者的相关系数为0.998，两变量直接高度相关。3）模型汇总模型RR 方调整 R 方标准 估计的误差1.998a.996.996247.303a. 预测变量: (常量), 人均GDP（元）。Anovab模型平方和df均方FSig.1回归8.144E718.144E71331.692.000a残差305795.034561159.007总计8.175E76a. 预测变量: (常量), 人均GDP（元）。b. 因变量: 人均消费水平（元）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)734.693139.5405.265.003人均GDP（元）.309.008.99836.492.000a. 因变量: 人均消费水平（元）回归方程：y=734.693+0.309x+ 含义：人均GDP没增加1元，人均消费增加0.309元。4）由上表可知，判定系数R为0.996 ，意义是人均GDP对人均消费的影响达到99.6%。或者可以说，人均GDP可以解释人均消费99.6%的变差。5）线性回归方程显著性统计量检验的统计量F的显著性概率为0.000，因此线性关系显著。6）将人均GDP代入方程，得人均消费水平约为2279.693。11.05某汽车生产商欲了解广告费用(x)对销售量(y)的影响，收集了过去12年的有关数据。通过计算得到下面的有关结果：变差来源dfSSMSFSignificance F 回归11602708.61602708.6399.1002.17E-09 残差1040158.074015.807总计111642866.67Coefficients标准误差t StatP-valueIntercept363.689162.455295.8231910.000168X Variable 11.420211 0.071091 19.97749 2.17E-09 1) 完成上面的方差分析表。2) 汽车销售量的变差中有多少是由于广告费用的变动引起的？3) 销售量与广告费用之间的相关系数是多少？4) 写出估计的回归方程并解释回归系数的实际意义。5) 检验线性关系的显著性 （a=0.05）2） R=SSR/SST=1602708.6/1642866.67=0.9755561，有97.55561%是由于广告费用实际变动引起的。3）相关系数为R=0.9877024）Y=363.6891+1.420211X1+。含义是当自变量为0时，因变量有363.6891个单位，每变动1个自变量单位，会引起1.420211个单位的因变量单位变动。5）显著12.01一家电气销售公司的管理人员认为，每月的销售额是广告费用的函数，并想通过广告费用对月销售额作出估计。近8个月的销售额与广告费用数据见book12.01。1）用电视广告费用作自变量，月销售额作因变量，建立估计的回归方程。2）用电视广告费用和报纸广告费用作自变量，月销售额作因变量，建立估计的回归方程。3）上述1)和2)所建立的估计方程，电视广告费用的系数是否相同？对其回归系数分别进行解释。4）根据问题2)所建立的估计方程，在销售收入的总变差中，被估计的回归方程所解释的比例是多少？5）根据问题2)所建立的估计方程，检验回归方程的线性关系是否显著 (a=0.05）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)88.6381.58256.016.000电视广告费用（万元）1.604.478.8083.357.015a. 因变量: 月销售收入（万元）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)83.2301.57452.882.000电视广告费用（万元）2.290.3041.1537.532.001报纸广告费用（万元）1.301.321.6214.057.010a. 因变量: 月销售收入（万元）由表格可知：1）回归方程是Y=88.638+1.604X1+2）回归方程是回归方程为Y=83.230+2.290X2+1.301X33）系数不同，一元时当自变量电视广告费用为0时，月销售额为88.638，当自变量变动一个单位时，对因变量销售额的影响为1.604个单位。当二元时自变量电视广告费用为0，月销售额为83.638，另一个变量对其存在影响，影响为变动一个单位，导致月销售额变动1.301个单位。4） 模型汇总模型RR 方调整 R 方标准 估计的误差1.808a.653.5951.215182.959b.919.887.64259a. 预测变量: (常量), VAR00002。b. 预测变量: (常量), VAR00002, VAR00003。 解释比例为91.9%5）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)88.6381.58256.016.000VAR000021.604.478.8083.357.0152(常量)83.2301.57452.882.000VAR000022.290.3041.1537.532.001VAR000031.301.321.6214.057.010a. 因变量: VAR00001显著，两个变量的p都小于0.05 12.03一家房地产评估公司想对某城市的房地产销售价格(y1)与地产的评估价值(x1)、房产的评估价值(x2)和使用面积(x3)建立一个模型，以便对销售价格作出合理预测。为此，收集了20栋住宅的房地产评估数据见book12.03。1）写出估计的多元回归方程。2）在销售价格的总变差中，被估计的回归方程所解释的比例是多少？3）检验回归方程的线性关系是否显著(a=0.05)。4）检验各回归系数是否显著(a=0.05) 。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)895.020535.8331.670.112VAR000031.351.140.9169.673.0002(常量)11.653592.972.020.985VAR00003.961.200.6514.794.000VAR00004.163.066.3362.470.024a. 因变量: VAR000011）Y=11.653+0.961X1+0.163X2+ 2）模型汇总模型RR 方调整 R 方标准 估计的误差1.916a.839.830936.422762.939b.881.867826.59198a. 预测变量: (常量), VAR00003。b. 预测变量: (常量), VAR00003, VAR00004。R2=0.881，被解释比例为88.1% 。3）Anovac模型平方和df均方FSig.1回归8.205E718.205E793.567.000a残差1.578E718876887.580总计9.783E7192回归8.622E724.311E763.092.000b残差1.162E717683254.309总计9.783E719a. 预测变量: (常量), VAR00003。b. 预测变量: (常量), VAR00003, VAR00004。c. 因变量: VAR00001Anovac模型平方和df均方FSig.1回归8.205E718.205E793.567.000a残差1.578E718876887.580总计9.783E7192回归8.622E724.311E763.092.000b残差1.162E717683254.309总计9.783E719a. 预测变量: (常量), VAR00003。b. 预测变量: (常量), VAR00003, VAR00004。c. 因变量: VAR00001显著，因为P都小于0.054）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)8