应用回归分析第三何晓群 所有习题答案

1、应用回归分析第三章习题3.1基本假定：（1） 诸非随机变量，rank（x）=p+1，X为满秩矩阵（2） 误差项（3）3.23.33.4并不能这样武断地下结论。与回归方程中的自变量数目以及样本量n有关，当样本量n与自变量个数接近时，易接近1，其中隐含着一些虚假成分。因此，并不能仅凭很大的就模型的优劣程度。3.5首先，对回归方程的显著性进行整体上的检验F检验接受原假设：在显著水平下，表示随机变量y与诸x之间的关系由线性模型表示不合适拒绝原假设：认为在显著性水平下，y与诸x之间有显著的线性关系第二，对单个自变量的回归系数进行显著性检验。接受原假设：认为=0，自变量对y的线性效果并不显著3.6原始数据

2、由于自变量的单位往往不同，会给分析带来一定的困难；又由于设计的数据量较大，可能会以为舍入误差而使得计算结果并不理想。中心化和标准化回归系数有利于消除由于量纲不同、数量级不同带来的影响，避免不必要的误差。3.73.83.9由上两式可知，其考虑的都是通过在总体中所占比例来衡量第j个因素的重要程度，因而与是等价的。3.10【没整出来】3.11（1）计算可知，y与x1 x2 x3 的相关关系是：Correlations货运总量y工业总产值x1农业总产值x2居民非商品支出x3货运总量yPearson Correlation1.556.731*.724*Sig. (2-tailed).095.016.01

3、8N10101010工业总产值x1Pearson Correlation.5561.113.398Sig. (2-tailed).095.756.254N10101010农业总产值x2Pearson Correlation.731*.1131.547Sig. (2-tailed).016.756.101N10101010居民非商品支出x3Pearson Correlation.724*.398.5471Sig. (2-tailed).018.254.101N10101010*. Correlation is significant at the 0.05 level (2-tailed).则相

4、关关系矩阵如下：（2）CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)-348.280176.459-1.974.096工业总产值x13.7541.933.3851.942.100农业总产值x27.1012.880.5352.465.049居民非商品支出x312.44710.569.2771.178.284a. Dependent Variable: 货运总量y（3）拟合优度检验Model SummarybModelRR SquareAdju

5、sted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.898a.806.70823.442.8068.28336.0151.935a. Predictors: (Constant), 居民非商品支出x3, 工业总产值x1, 农业总产值x2b. Dependent Variable: 货运总量y决定系数R2=0.708 R=0.898较大所以认为拟合度较高（4）对回归方正作整体显著性检验ANOVAbModelSum of Sq

6、uaresdfMean SquareFSig.1Regression13655.37034551.7908.283.015aResidual3297.1306549.522Total16952.5009a. Predictors: (Constant), 居民非商品支出x3, 工业总产值x1, 农业总产值x2b. Dependent Variable: 货运总量yF=8.283 取=0.05时 P=0.015<0.05所以认为回归方程在整体上拟合的好（5）对每个回归系数作显著性检验CoefficientsaModelUnstandardized CoefficientsStandardi

7、zed CoefficientstSig.BStd. ErrorBeta1(Constant)-348.280176.459-1.974.096工业总产值x13.7541.933.3851.942.100农业总产值x27.1012.880.5352.465.049居民非商品支出x312.44710.569.2771.178.284a. Dependent Variable: 货运总量y=0.05时，x3并未通过显著性检验（6）将x3剔除后，重新建立回归方程并做回归方程的显著性检验：CoefficientsaModelUnstandardized CoefficientsStandardized

8、 CoefficientstSig.BStd. ErrorBeta1(Constant)-459.624153.058-3.003.020工业总产值x14.6761.816.4792.575.037农业总产值x28.9712.468.6763.634.008a. Dependent Variable: 货运总量yANOVAbModelSum of SquaresdfMean SquareFSig.1Regression12893.19926446.60011.117.007aResidual4059.3017579.900Total16952.5009a. Predictors: (Const

9、ant), 农业总产值x2, 工业总产值x1b. Dependent Variable: 货运总量y由上两表可知，回归方程总体上，并且每一个回归系数均通过了显著性检验（7）CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95.0% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)-348.280176.459-1.974.096-780.06083.500工业总产值x13.7541.933.3851.942.100-.9778.485农业总产值x27.1012.880.5352.465.049.05314.149居民非商品支出x312.44710.569.2771.178.284-13.41538.310a. Dependent Variable: 货运总量yx1:(-0.997,8.485) x2:(0.053,14.149) x3:(-13.415,38.310)（8）（9）（175.4748，292.5545）（10）由于x3的回归系数显著性