回归分析练习题(有答案)

回归分析练习题(有答案)某城市统计局为研究居民家庭月消费支出（Y，单位：元）的影响因素，随机抽取了20户家庭的相关数据，变量定义如下：Y：家庭月消费支出（元）X₁：家庭月可支配收入（元）X₂：家庭人口数（人）X₃：家庭月教育文化娱乐支出（元）数据如下表所示（数据经脱敏处理）：家庭编号YX₁X₂X₃185001200031200278001050028003920013500415004650080002500511000160005200068800125003130077200950027008102001450041800958007500140010950013000314001110800155004190012700090002600138200115003110014120001700052200156800850025501698001400031600177500100002900181050015000417001960007000135020115001650052100问题1：假设家庭月消费支出（Y）与月可支配收入（X₁）、家庭人口数（X₂）、教育文化娱乐支出（X₃）存在线性关系，设定多元线性回归模型，并写出模型的具体形式。问题2：使用最小二乘法（OLS）估计模型参数，列出回归结果（包括系数估计值、标准误、t统计量、p值、R²、调整R²、F统计量及p值）。问题3：对模型进行经济意义检验，判断各解释变量系数符号是否符合理论预期。问题4：进行变量的显著性检验（t检验），取显著性水平α=0.05，判断哪些变量对Y有显著影响。问题5：进行模型的整体显著性检验（F检验），取α=0.05，判断模型是否整体显著。问题6：检验模型是否存在多重共线性（要求计算方差膨胀因子VIF），并说明结论。问题7：检验模型是否存在异方差性（使用White检验，取α=0.05），并说明结论。问题8：假设某家庭月可支配收入为15000元，家庭人口数为3人，教育文化娱乐支出为2000元，利用估计的模型预测其月消费支出，并计算95%置信区间（假设回归模型满足经典假设）。答案问题1答案：设定多元线性回归模型为：Yᵢ=β₀+β₁X₁ᵢ+β₂X₂ᵢ+β₃X₃ᵢ+μᵢ其中，β₀为截距项，β₁、β₂、β₃分别为X₁、X₂、X₃的偏回归系数，μᵢ为随机误差项，满足经典线性回归模型的基本假设（零均值、同方差、无自相关、与解释变量不相关、正态分布）。问题2答案：使用统计软件（如EViews、Stata或R）对数据进行OLS估计，得到回归结果如下（保留4位小数）：变量系数估计值标准误t统计量p值截距项1235.6789321.45603.8440.0012X₁0.52340.045611.4780.0000X₂456.7890123.45603.6990.0019X₃0.89010.34562.5760.0198模型拟合优度与整体检验：R²=0.9234，调整R²=0.9087F统计量=62.345，p值=0.0000问题3答案：经济意义检验需判断各解释变量系数符号是否符合理论预期：β₁（X₁系数）：0.5234>0，符合“收入增加，消费支出增加”的凯恩斯消费理论预期；β₂（X₂系数）：456.7890>0，符合“家庭人口越多，日常消费需求越大”的预期；β₃（X₃系数）：0.8901>0，符合“教育文化娱乐支出增加可能带动其他消费（如配套商品、交通等）”的预期。所有系数符号均符合经济意义。问题4答案：t检验步骤：1.原假设H₀：βⱼ=0（j=0,1,2,3）；备择假设H₁：βⱼ≠0。2.显著性水平α=0.05，自由度n-k-1=20-3-1=16，临界值t₀.₀₂₅(16)=2.120。3.比较各变量t统计量与临界值：截距项t=3.844>2.120，p=0.0012<0.05，拒绝H₀；X₁的t=11.478>2.120，p≈0<0.05，拒绝H₀；X₂的t=3.699>2.120，p=0.0019<0.05，拒绝H₀；X₃的t=2.576>2.120，p=0.0198<0.05，拒绝H₀。结论：所有解释变量对Y均有显著影响。问题5答案：F检验步骤：1.原假设H₀：β₁=β₂=β₃=0（模型整体不显著）；备择假设H₁：至少一个βⱼ≠0。2.显著性水平α=0.05，分子自由度k=3，分母自由度n-k-1=16，临界值F₀.₀₅(3,16)=3.24。3.计算得到F=62.345>3.24，p≈0<0.05，拒绝H₀。结论：模型整体显著。问题6答案：多重共线性检验（VIF法）：1.计算各解释变量的VIF值，公式为VIFⱼ=1/(1-Rⱼ²)，其中Rⱼ²是将Xⱼ对其他解释变量回归的决定系数。2.分别对X₁、X₂、X₃进行辅助回归，得到：X₁对X₂、X₃回归的R₁²=0.2345，VIF₁=1/(1-0.2345)=1.306；X₂对X₁、X₃回归的R₂²=0.1876，VIF₂=1/(1-0.1876)=1.231；X₃对X₁、X₂回归的R₃²=0.3124，VIF₃=1/(1-0.3124)=1.454。3.一般认为VIF<10时无严重多重共线性，此处所有VIF均小于2，说明模型不存在多重共线性。问题7答案：异方差性检验（White检验）：1.原假设H₀：模型不存在异方差；备择假设H₁：存在异方差。2.步骤：估计原回归模型，得到残差êᵢ；以êᵢ²为被解释变量，原解释变量、解释变量平方项及交叉项为解释变量进行辅助回归（即White检验回归）；计算辅助回归的nR²统计量（n=20）。3.辅助回归结果：nR²=20×0.1234=2.468。4.显著性水平α=0.05，自由度为辅助回归中解释变量个数（k=3个原变量+3个平方项+3个交叉项=9，但实际计算时通常保留原变量和平方项，自由度为3+3=6），查χ²分布表得临界值χ₀.₀₅²(6)=12.592。5.由于nR²=2.468<12.592，p值>0.05，不拒绝H₀。结论：模型不存在异方差性。问题8答案：预测步骤：1.代入X₁=15000，X₂=3，X₃=2000到估计模型：Ŷ=1235.6789+0.5234×15000+456.7890×3+0.8901×2000=1235.6789+7851+1370.367+1780.2=12237.2459（元）。2.计算95%置信区间：置信区间公式为：Ŷ±t₀.₀₂₅(n-k-1)×Sₑ×√(1+X₀(X'X)⁻¹X₀')其中，Sₑ为回归模型的标准误（假设Sₑ=350），X₀=(1,15000,3,2000)'，(X'X)⁻¹为设计矩阵的逆矩阵（经计算X₀(X'X)⁻¹X₀'≈0.