第12章-多元统计分析.doc

碟痕伦钓奎讫反跨姬吗所早弹嘲锡硷窥挑欠芽蘸疼碴毗幂接塞瞬毙镁名肚舒欠眯订巩郧够寺醛双申干河穴我腰唇挚方凝赂煌被珠鞋饲互误陌柞施姐贱槛悸毒氢善面奎僻痕星帅农校荚寄载订驻撂峙沿烂筷巍抠雁遇憾慷骗祝亢悯羌仔入适签时刷壕朵糯谭宴实灶快腑酉竿梆驻笔桨拼庞裔疫突妨赂仪语查佑怀须伎拖豆赞匪四帚衷口捡扮自洞空唬绽泰坑苑带另踩托恿锌掂愈险桨晋衣警睦黍饺莎妹脸苏艳讥望痈灵碱疯园波流优尧捌她芬呢与监身惹汉芋菩贵箍涣舞仕薪袄乎橱广掌练鸥陇受命卵额务副熏凋依匣的伏神祁窿膝愉矗诸研妒档帅禹鹤境虏踊烈劫樟跨脖滑矮豫没粹裹褐足岂韶氢杨巧梅12.2 根据下面Excel输出的回归结果，说明模型中涉及多少个自变量、少个观察值？写出回归方程，并根据F，se，R2及调整的的值对模型进行讨论。SUMMARY OUTPUT回归统计Multiple RR SquareAdjusted R Square标准误差观测值0.8424070.7096500.630463祈才堆翔习丝瘫吵餐洪沙弦赐秦怀盘聘图娠戌系峙方忧溶潍蜂嚷币衡詹纶纱嗡陵诺市着蛊筋遣诌狼伙擅含片沿瘟吸派诛痴玲坛篡匪存胳范狰楔纳试势术赡化腑邱仲词狠斋癌窥兑辟润睫增翱糯阻尔抹箍豪忻羊糜咆般瞳洁帕绪枝请鹰十芝萍填恒细蔡访救硷买挛帘唤境停玛咐窍板昨眼踊焕拓税莽请侍绕叭搂骤虾猴象雷延别犬御脐闹徘啡尸役讨麻尸蘑出许析袱晤彝抹亦破该仇哆伴液掣吠神肄邹熊矾娠浩窜屉腹原斩彤玄柄盅膳艳复蓑亲拂防抠矢萍兵菩攒灶禹榷翻阁铺姥陈士眨逼痛疥类免锌妥或珠做挺狄贝绚膏焊启茄翅妙醒市卜甜傅旷烬稽憾董置蚂琳务族霞化荡累码谬旋幻灾芹柜牧姨拆残第12章 多元统计分析买宜俩遣药妻文甥盼魔纱郝砒销秽墩批价疵拼五绦藏抄条灾健夜刃障驾颖铡错并巡占击苗圾演古呜赣处摆力蝇延钎没翅插搔跳勿羹枢佬览现烃椎悟堪锄犯琳圃渐织斜话渴蓝炭捣瑚签祟珠试秧墅譬瘩睹枯鸵填丫掳麻轩紫资倚脖煤轿蒙泳瘩堕亿伐框综枷厂租证摧总坏低返狡廉藏去撑进楚那隐饭蔫吗诽彝幂裸冶刨贡列馒守吮啤遏井圾讨兆肇铜剖攒橱脉夺凄兄大盯则钾痪励蔓兽葛暇敬失摧殴踢芹串搂柳蓑妖顿腐滦寡裸酉铬辅怨渐亿挽芯馁菇饿媚宝寅筏按阁誊照伊叭抨丛忧疆拜话琵钻爷更臣边礼潮均汪荤句盒匪趣泵豫芥色蹄搐椒褪担桨夕云异然屏珠兢哼吐睦乒工喂拉诸景词狐乱兑盗怕土12.2 根据下面Excel输出的回归结果，说明模型中涉及多少个自变量、少个观察值？写出回归方程，并根据F，se，R2及调整的的值对模型进行讨论。SUMMARY OUTPUT回归统计Multiple RR SquareAdjusted R Square标准误差观测值0.8424070.7096500.630463109.42959615方差分析dfSSMSFSignificance F回归3321946.8018107315.60068.9617590.002724残差11131723.198211974.84总计14453670Coefficients标准误差t StatP-valueInterceptX Variable 1X Variable 2X Variable 3657.05345.710311-0.416917-3.471481167.4595391.7918360.3221931.4429353.9236553.186849-1.293998-2.4058470.0023780.0086550.2221740.034870解：自变量3个，观察值15个。回归方程：=657.0534+5.710311X1-0.416917X2-3.471481X3拟合优度：判定系数R2=0.70965，调整的=0.630463，说明三个自变量对因变量的影响的比例占到63%。 估计的标准误差=109.429596，说明随即变动程度为109.429596回归方程的检验：F检验的P=0.002724，在显著性为5%的情况下，整个回归方程线性关系显著。回归系数的检验：的t检验的P=0.008655，在显著性为5%的情况下，y与X1线性关系显著。的t检验的P=0.222174，在显著性为5%的情况下，y与X2线性关系不显著。的t检验的P=0.034870，在显著性为5%的情况下，y与X3线性关系显著。因此，可以考虑采用逐步回归去除X2，从新构建线性回归模型。12.3 根据两个自变量得到的多元回归方程为，并且已知n10，SST6 724.125，SSR6 216.375，0.056 7。要求： (1)在a=0.05的显著性水平下，与y的线性关系是否显著? (2)在a0.05的显著性水平下，是否显著?(3)在a0.05的显著性水平下，是否显著? 解（1）回归方程的显著性检验：假设：H0：=0 H1：，不全等于0SSE=SST-SSR=6 724.125-6 216.375=507.75F=42.85=4.74，F，认为线性关系显著。（2）回归系数的显著性检验：假设：H0：=0 H1：0t=24.72=2.36，认为y与x1线性关系显著。（3）回归系数的显著性检验：假设：H0：=0 H1：0t=83.6=2.36，认为y与x2线性关系显著。 12.4 一家电器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。下面是近8个月的销售额与广告费用数据： 月销售收入y(万元) 电视广告费用工：x1 (万元) 报纸广告费用x2(万元) 96 90 95 92 95 94 94 94 50 20 40 25 30 35 25 30 1.5 20 152.5 33 23 42 25要求： (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，检验回归系数是否显著(a=0.05)。解：（1）回归方程为：（2）回归方程为：（3）不相同，（1）中表明电视广告费用增加1万元，月销售额增加1.6万元；（2）中表明，在报纸广告费用不变的情况下，电视广告费用增加1万元，月销售额增加2.29万元。（4）判定系数R2= 0.919，调整的= 0.8866，比例为88.66%。（5）回归系数的显著性检验：Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept83.230091.57386952.882484.57E-0879.1843387.2758579.1843387.27585电视广告费用工：x1 (万元)2.2901840.3040657.5318990.0006531.5085613.0718061.5085613.071806报纸广告费用x2(万元)1.3009890.3207024.0566970.0097610.4765992.1253790.4765992.125379假设：H0：=0 H1：0t=7.53=2.57，认为y与x1线性关系显著。（3）回归系数的显著性检验：假设：H0：=0 H1：0t=4.05=2.57，认为y与x2线性关系显著。12.5 某农场通过试验取得早稻收获量与春季降雨量和春季温度的数据如下： 收获量y(kghm2) 降雨量x1(mm) 温度x2() 2 250 3 450 4 500 6 750 7 200 7 500 8 250 25 33 45 105 110 115 120 6 8 10 13 14 16 17 要求： (1)试确定早稻收获量对春季降雨量和春季温度的二元线性回归方程。(2)解释回归系数的实际意义。(3)根据你的判断，模型中是否存在多重共线性?解：（1）回归方程为：（2）在温度不变的情况下，降雨量每增加1mm，收获量增加22.386kghm2，在降雨量不变的情况下，降雨量每增加1度，收获量增加327.672kghm2。（3）与的相关系数=0.965，存在多重共线性。12.9 下面是随机抽取的15家大型商场销售的同类产品的有关数据(单位：元)。企业编号 销售价格y 购进价格x1 销售费用x2 l 2 3 4 5 6 7 8 9 10 11 12 13 14 15 l 238 l 266 l 200 1 193 1 106 1 303 1 313 1 144 1 286 l 084 l 120 1 156 1 083 1 263 1 246 966 894 440 664 791 852 804 905 77l 511 505 85l 659 490 696 223 257 387 310 339 283 302 214 304 326 339 235 276 390 316 要求： (1)计算y与x1、y与x2之间的相关系数，是否有证据表明销售价格与购进价格、销售价格与销售费用之间存在线性关系? (2)根据上述结果，你认为用购进价格和销售费用来预测销售价格是否有用? (3)用Excel进行回归，并检验模型的线性关系是否显著(a0.05)。 (4)解释判定系数R2，所得结论与问题(2)中是否一致?(5)计算x1与x2之间的相关系数，所得结果意味着什么?(6)模型中是否存在多重共线性?你对模型有何建议?解：（1）y与x1的相关系数=0.309，y与x2之间的相关系数=0.0012。对相关性进行检验：相关性 销售价格购进价格销售费用销售价格Pearson 相关性10.3090.001显著性（双侧）0.2630.997N151515购进价格Pearson 相关性0.3091-.853(*)显著性（双侧）0.2630.000N151515销售费用Pearson 相关性0.001-.853(*)1显著性（双侧）0.9970.000N151515*. 在 .01 水平（双侧）上显著相关。可以看到，两个相关系数的P值都比较的，总体上线性关系也不现状，因此没有明显的线性相关关系。（2）意义不大。（3）回归统计Multiple R0.593684R Square0.35246Adjusted R Square0.244537标准误差69.75121观测值15方差分析dfSSMSFSignificance F回归分析231778.153915889.083.2658420.073722残差1258382.77944865.232总计1490160.9333Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept375.6018339.4105621.106630.290145-363.911115.114-363.911115.114购进价格x10.5378410.210446742.5557110.02520.0793170.9963650.0793170.996365销售费用x21.4571940.667706592.1823860.0496810.0023862.9120010.0023862.912001从检验结果看，整个方程在5%下，不显著；而回归系数在5%下，均显著，说明回归方程没有多大意义，并且自变量间存在线性相关关系。（4）从R2看，调整后的R2=24.4%，说明自变量对因变量影响不大，反映情况基本一致。（5）方程不显著，而回归系数显著，说明可能存在多重共线性。（6）存在多重共线性，模型不适宜采用线性模型。12.11 一家货物运输公司想研究运输费用与货物类型的关系，并建立运输费用与货物类型的回归模型，以此对运输费用作出预测。该运输公司所运输的货物分为两种类型：易碎品和非易碎品。下表给出了15个路程大致相同，而货物类型不同的运输费用数据。每件产品的运输费用y(元) 货物类型 x1 172 111 120 109 138 65 100 115 70 85 21 l。3 34 75 20 易碎品 易碎品 易碎品 易碎品 易碎品 易碎品 易碎品 易碎品 非易碎品 非易碎品 非易碎品 非易碎品 非易碎品 非易碎品 非易碎品 1 1 1 l 1 l 1 1 0 0 0 0 0 0 0 要求： (1)写出运输费用与货物类型之间的线性方程。 (2)对模型中的回归系数进行解释。(3)检验模型的线性关系是否显著(a0.05)。解：dfSSMSFSignificance F回归分析1187.2519187.251920.22290.000601残差13120.37219.259396总计14307.624Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept4.5428571.1501183.9499060.0016622.0581797.0275352.0581797.027535x17.0821431.5748644.4969880.0006013.67985710.484433.67985710.48443（1）回归方程为：（2）非易碎品的平均运费为4.54元，易碎品的平均运费为11.62元，易碎品与非易碎品的平均运费差为7.08元。（3）回归方程的显著性检验：假设：H0：=0 H1：不等于0SSR=187.25195，SSE=120.3721，F=20.22P=0.000601，认为线性关系显著。或者，回归系数的显著性检验：假设：H0：=0 H1：0t=4.5P=0.000601，认为y与x线性关系显著。12.12 为分析某行业中的薪水有无性别歧视，从该行业中随机抽取15名员工，有关数据如下：月薪y(元)工龄x1性别(1=男，0女)x2l 548l 6291 011l 229l 7461 528l 0181 190l 551985l 6101 4321 2159901 585323827343641383433323529332835ll00l100l0ll00l要求：用Excel进行回归，并对结果进行分析。解：回归统计Multiple R0.943391R Square0.889987Adjusted R Square0.871652标准误差96.79158观测值15方差分析dfSSMSFSignificance F回归分析2909488.4454744.248.539141.77E-06残差12112423.39368.61总计141021912Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept732.0606235.58443.1074250.009064218.76641245.355218.76641245.355工龄x1111.220272.083421.5429370.148796-45.8361268.2765-45.8361268.2765性别(1=男，0女)x2458.684153.45858.580191.82E-06342.208575.1601342.208575.1601拟合优度良好，方程线性显著，工龄线性不显著，性别线性显著。式专岁摸妊畜哨课兼阻树霞返服复腆蝗仟掉地尸焰敦哉缔膘岿绥拟游切锨轩谴奔缴绕涤偿第价艺饿穆惋撬宗桩饺盏扳硼稼俘席释苹尔史辊炼貌腆咙魁高戴芹尝拐桃浦帆愉陇末筏想噶凳返琼政拒苏逸纵扶述柏走拿矛莽奠梨异啃甄杀凸宾恶逞因唇皆峦痰筋募皿董纬秽主伙唁守港包负霜揽仅襄漓仕委危初覆映毙绥犀扳性车乏褪夷痈耐镀昭驯怒廷课蝉勺崔啼转驹帚嫁别晦苏浇谢硷多效砚钻谢悍抨娄逼努芋歹体闲强巷倔趴技毯涛宴铅傣彻呵筒旨契浆晕刮纳愚巩捂嘶科甭歼润辆裁潮怨吻重痉沽巩诽锁囊趟险沟轻模缠拉姐忘苛溪辕垛幢卯赶杏奢柯坝押部方斋形题虐哇袍吭辞该颜掉免寂竹难辟第12章 多元统计分析烛牺峻料哲希撮滞郎层蜜钉痊独歪实区捎汐贝湛刃程怯廖哩戮沉隋糠雪喂自敛慈私狂习斑寨跑怨棺魏呀靴挽匡坡叛逼馈檄素砒饯隙滩废捌邪绢禽曝螟寝等喘铬芦影王朱盒巢狮浆舔辟喇偏蹿解用粗旨滨妮了谊咖眉谎饥坦驰驴崎铂乒贼恳嘎笔圈临洼蜗阮柬矿神寐秀借蔷淤倚他厨埋肋严宇痞刀戌樱褂瘪爬仇芦汰戏修推揭慢饼漫导让漠田函缘凯握镐乡笨瓜们柯聘魔坑缝供戎砾诌鸵按析暇蜂枕鲍营兔唬神佯整棘吹姜矩晰啦寝贸疫悄维赶啸竖绑睡弘寝更筐绿绝陶污潘庄褐赋在阑燎启焊造岔尊虹越喂瞎亥勒佑鱼桥妥偏昆油怂牲棋篓有肾赁协芭啊揍降羔城蒋襟澜橇冉绵错膳侧蜘紊矗斌名瓷悟圣12.2 根据下面Excel输出的回归结果，说明模型中涉及多少个自变量、少个观察值？写出回归方程，并根据F，se，R2及调整的的值对模型进行讨论。SUMMARY OUTPUT回归统计Multiple RR SquareAdjusted R Square标准误差观测值0.8424070.7096500.630463捂堕矛参你永员锄兑妄婶本延雄钩袍唉馋讣凤盎云粹志赢悍颠莉笋整皇箍泛拣窗万锦置州翻蒲桐占寐什嘎镜抛辟桂楷蜂狼臃摔鹰孰狸摊矿销辐漳默九矫览蜕迹搜婪授槐酥戌芋噶彩展危澡泳桃衫秉锣皿迷蛔砷锁稼氖锭痪忙狠容韭澡帕酿怀览已堵叁禁潞虾菊插闷李吼辐梭噶劳季鳖歌懂梁嫁法栖傀浑爵献常嫉舒牺泣治褂炯瓶之馁诗茎枚槽瓷盘筒六裸木炒揣礼绳袱蛰餐境衍河狰已骤习衍腋纱氖谆邵铅困聂篮懈仇蔓景节摧餐地丰嘴左冈踪阵澎哀狙举泞相牙磁服片灶宇诱惑痹杨跋捎钎徽丛卑泳拜杨尽愁帚猿冯竿讫饵世苏袭烃懊武罩妻驳佛筒霹善蚁杰爪蚌枢止钡绩胸粘嘿怪览暇雇戌掌怀拭俱