应用回归分析实三 ：多元线性回归.doc

实验三 ：多元线性回归 实验内容 习题一（P64例3.1） 打开SPSS软件，输入数据如下（部分）： 选择“分析”中“回归--线性”，以y为应变量，以x1-x9为自变量，点击“确定”得： 所以得回归方程为： y=1.465x1+2.575x2+2.005x3+0.891x5+0.67x6+0.28x7+11.405x8-160.711x9 -2721.493 从回国方程可以看到，x1-x9对居民的消费支出起正影响，x9对居民的消费性支出起负影响。 F检验。用SPSS软件计算出的方差分析图如下： 从输出结果可知，Sig即显著性P值，由P值为0.000可知，此回归方程高度显著。 t检验。通过定性分析，先剔除x4，用y与其他8个变量做回归分析，计算结果如下图： 剔除x4之后，仍然有不显著的自变量，此时最大的P值为p8=0.827，因此进一步剔除x8，用y与其余6个变量作回归，回归系数表如下图： T检验中，依次剔除P值最大的自变量，直到最后所有的自变量在显著性水平为0.05时都显著。 习题二（P93.例4.3） 打开SPSS软件，输入数据如下图： 建立y对x的普通最小二乘回归，决定系数R2=0.912，回归标准差为247.62.方差分析表和回归系数输出表如下： （3） 在原始数据中增加一列变量RES_1，即残差值，如图： 然后以x（居民收入）为x轴，残差值为y轴画散点图： 从残差图看出，误差项具有明显的异方差性，误差随着x的增加而呈现出增加的趋势。 计算等级相关系数。先计算出残差的绝对值，如图： 然后选择分析中的“相关--双变量”，选择x和e为变量，在相关系数一栏里选择Spearman打钩，点击确定即得到等级相关系数，如下图所示： 从上图可知，相关系数为0.686，P值=2.055E-5，即残差绝对值e与自变量x 显著相关，存在异方差。 用加权最小二乘法来消除异方差。选择“分析”中“回归--权重估计”，以x为自变量，y为因变量，对x进行加权估计，得： 然后画出加权最小二乘残差图，如下： 比较前后两幅残差图，可以得出，加权最小二乘估计的效果好于普通最小二乘估计效果。 of support and hanger. Cable hole plugging gaps should use qualified fireproof materials, block surface should have sufficient strength, surface appearance. When cables pass through the firewall, of lax structure of local fire safety clamps. Thermoplastics production, to comply with the process, no bubbles in the thermoplastics pipes, linear nose consistent with the core wire specifications, contact is good, no cracks, break. Tinned copper nose clean solder full exterior surface is smooth without burrs. Control cable Assembly should be fastened, dense, solid, clean, and beautiful. Secondary wiring the cable terminations should be arranged by the actual location of the device line cards, the wiring from the upper to the lower, from left to right in the order. Fixed to maintain consistent spacing between lines, flat, should be around the corner in the same location, same shape, to ensure that the wiring process neater and more elegant. 5 thermal process control measures for quality problems 5.1 control