某厂生产某产品.doc

1. 某厂生产某产品，其成本费用（Y，万元）与劳动量（x1，千小时）及原材料价格（x2，万元／吨）有密切关系。下表列出了2002年1月～2003年6月的成本、劳动量、原材料价格资料。 时间 Y X1 x2 时间 Y X1 x2 02.1 6.06 3.66 2.37 02.10 0.85 1.99 2.68 02.2 8.63 1.75 3.36 02.11 7.59 2.97 2.82 02.3 8.39 2.45 3.26 02.12 0.12 0.01 0.74 02.4 6.46 1.02 2.51 03.1 3.67 1.72 1.80 02.5 3.23 1.25. 2.03 03.2 4.30 1.88 1.50 02.6 2.98 0.83 1.18 03.3 3.72 1，72 1.35 02.7 3.24 1.07 1.27 03.4 5.73 2；01 1.88 02.8 5.88 2.17 2.19 03.5 1.35 0.57 0.46 02.9 9.31 2.29 3.37 03.6 4.50 1.95 1.54 要求： （1）建立二元线性回归方程，对回归系数、进行合理的解释； （2）对所建立的回归方程进行显著性检验； （3）假定2003年7月份劳动量X1=1.19千小时，X2=2.31万元／吨，试预测2003年7月份的成本费用（区间）。 （一）采用图形界面方法进行分析： sas操作步骤： (1）建立二元线性回归方程，对回归系数、进行合理的解释： 首先对该产品的成本费用（Y，万元）与劳动量（x1，千小时）及原材料价格（x2，万元／吨）做相关性分析，其相关系数矩阵如下： 从以上结果可以看出：因变量与两个自变量之间又很强的相关性，故可以做回归分析。 以下为建立线性回归模型的结果： 从而线性回归模型可写为： （1） 把数据标准化之后的模型为： （2） 对于模型一系数的解释 ：x1前面的系数表示，在原材料价格等其他变量不变的情况下，劳动量每增加一千小时，则该产品的成本平均费用平均增加0.60237，同理x2前的系数表示当劳动量等其他变量不变的情况下，原料价格每增加一万元，该产品的成本费用平均增加2.08348. 下列为估计的值的置信区间： （2）对所建立的回归方程进行显著性检验； 得出结果如下： 从结果来看：方程的F检验P值为0.0003，小于显著性水平0.05，该线性回归方程是显著的，同时可以看出方程的绝对相关系数和调整后的绝对相关系数不是太大，所以该线性方程拟合的不是非常好，还可以尝试用非线性方程去拟合这些数据之间的关系。 对于方程的检验可以看出，方程系数中X2不显著，所以利用逐步回归法进行回归，其结果如下： （3）假定2003年7月份劳动量X1=1.19千小时，X2=2.31万元／吨，试预测2003年7月份的成本费用（区间）。 从预测结果来看，当份劳动量X1=1.19千小时，X2=2.31万元／吨时，2003年7月份的成本费用为5元。 （二）使用程序方法进行分析 程序为：proc reg data=sasuser.zuoye5; model y=x1 x2; run; 其结果为： 2. 某元件的加工量与固定资产价值有关，一般认为：固定资产X（固定资产，万元）越高的企业，元件的产量Y（每天产量，件）也越高，调查40个企业资料如下。 X 300 400 400 500 500 500 600 600 600 700 700 Y 250 250 350 250 350 450 350 450 550 450 550 企业数 2 6 3 2 5 7 2 2 3 1 7 要求： （1）做散点图； （2）该元件的产量与固定资产之间的线性相关关系r； （3）建立一元线性回归模型，解释模型、检验模型。 （一）采用图形界面方法进行分析： sas操作步骤： （1）做散点图： 程序为：proc plot data=sasuser.qiye; plot y*x=#; title散点图; run; （2）该元件的产量与固定资产之间的线性相关关系r； 由于一元线性回归中的相形相关系数与决定相关系数的关系为：r2=R2 ，所以有r==0.831384. 利用图形界面法得出的结果： 利用程序为： proc corr data=sasuser.qiye; var x y; freq f; run; （3）建立一元线性回归模型，解释模型、检验模型。 模型为：