应用回归分析课程设计精编版.pdf

《应用回归分析课程设计精编版.pdf》由会员分享，可在线阅读，更多相关《应用回归分析课程设计精编版.pdf（15页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 课程设计报告 课程：应用回归分析 学号：$姓名：班级：12 金统 教师：周勤 江苏师范大学！科文学院 应用回归分析 课程设计指导书 一、课程设计的目的 1.加深理解本课程的研究方法、思想精髓，提高解决实际问题的能力，熟练掌握 SPSS 常用统计软件的应用。2.通过学习达到熟练掌握一元线性回归建模过程，熟悉一元线性回归建模步骤；掌握模型选择，参数估计，模型检验，模型优化和模型预测的方法。3.掌握诊断序列自相关性（或异方差性）的方法，并能给出消除自相关性（或异方差性）的方法。4.能够根据历史数据，对未来走势作出预测；可以处理一些简单的经济问题。二、三、设计名称：检验 1949 年-2012 年农

2、林牧渔业总产值和农业产值之间的关系。四、设计要求 1.数据来源要真实，必须注明数据的出处。2.尽量使用计算机软件分析，说明算法或过程。3.必须利用到应用回归分析的统计知识。4.独立完成，不得有相同或相近的课程设计。五、设计过程$1.思考研究课题，准备搜集数据。2.确立课题，利用图书馆、上网等方式方法搜集数据。3.利用机房实验室等学校给予的便利措施开始分析处理数据。4.根据试验结果，写出课程设计报告书。5.对实验设计报告书进行完善，并最终定稿。五、设计细则 1.利用的统计学软件主要为 SPSS，因为其方便快捷，功能也很强大，界面美观。2.对 Word 文档进行编辑的时候，有些特殊的数学符号需要利

3、用 Mathtype 这款小软件进行编辑。、3.数据来自较权威机构，增加分析的准确性与可靠性。4.力求主题突出，观点鲜明，叙述简洁明了。六、说明 1.数据来源于江苏统计年鉴 2013；2.所选取数据可能不会涉及到所学的各种分析方法，本课程设计最后会对此 情况作出解释。3.本课程设计中，取显著性水平为=，对于分析中需要用到的数据做加粗处理 。课程设计任务书 姓 名 (学 号 班 级 12 金统 课程名称 应用回归分析 课程性质 专业课*设计时间 2014 年 5 月 26 日 2014 年 6 月 2 日 设计名称 检验 1949 年-2012 年农林牧渔业总产值和农业产值之间的 关系。设计要求

4、 1.掌握线性回归方程的建立及回归方程的显著性检验的法；并能解决建模中遇到的问题，最终给出预测。2.通过实验加深理解应用回归分析在实践中的应用意义。、设计思路 与 设计过程 设计思路：为了对线性回归方程的建立及回归方程的显著性检验进行分析。先对理论部分进行掌握，再搜集数据，然后对数据进行分析处理。设计过程：先对相关定理和结论进行整理 搜集数据 用统计软件对数据进行处理 对结果进行分析 计划与进度 5 月 26 日5 月 28 日：先对相关定理和结论进行整理，并搜集数据；5 月 29 日5 月 31 日：用统计软件对数据进行处理，调整；6 月 1 日6 月 2 日：对结果进行分析，定稿。任课教师

5、 意 见 说 明 设计名称：检验 1949 年-2012 年农林牧渔业总产值和农业产值之间的关系。日期：2014 年 6 月 1 日 设计内容：单位（亿元）年 份 农林牧渔 业总产值!农 业 林 业 畜牧业 渔 业 农林牧渔 服务业#1949 1952 1957 :1962 、1965%1970 、1975 1976 1977 1978，1979 ）1980 、1981 】1982 ;1983 ！1984?1985 1986-1987%1988 1989 1990 1991 )1992 ；1993 1994-1995￥1996 1997%1998|1999 2000 *2001 2002】20

6、03 !2004 2005$2006 】2007 。2008 2009 2010!2011 (4)模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 更改统计量 R 方更改 F 更改(df1 df2 Sig.F 更改 1.997a.994.994 .994 1 42.000 a.预测变量:(常量),农业。b.因变量:农林牧渔业总产值 )由模型汇总表可得回归标准误差：116.30261（5）系数a 模型 非标准化系数 标准系数 t、Sig.B 的%置信区间 B 标准 误差 试用版 下限 上限 1(常量).000 农业 .023.997 .000 a.因变量:农林牧渔业总产值 由回归系数

7、表可得回归系数：0的 95%置信区间为，1的 95%置信区间为，（6）由模型汇总表得 x 与 y 的决定系数：994.02r 二，检验模型:当我们得到一个实际问题的经验回归方程01yx后，还不能马上就用 它去做分析和预测，因为01yx是否真正描述了变量y与x之间的统计规律性，还需运用统计方法对回归方程进行检验。(（7）Anovab 模型 平方和 df 均方 F Sig.（1 回归.610 1.610 .000a 残差 42 总计 .064 43 a.预测变量:(常量),农业。b.因变量:农林牧渔业总产值&由方差分析表可得 F=，P 值=.000a 所以回归方程显著 （8）系数a 模型 非标准化

8、系数 标准系数 t Sig.B 的%置信区间 B 标准 误差 试用版 下限 上限 1(常量)!.000 农业 .023.997 .000 a.因变量:农林牧渔业总产值 由回归系数表可得:0的t值为，Sig0，所以0显著；1的t值为，Sig0，所以1显著。（9）相关性 农林牧渔业总产值 农业 农林牧渔业总产值 Pearson 相关性：1.997*显著性（双侧）.000 N!44 44 农业 Pearson 相关性.997*1 显著性（双侧）,.000 N 44 44*.在.01 水平（双侧）上显著相关。:由相关系数表可得 x与y的相关系数为，呈高度相关 至此，该一元线性回归模型通过了回归系数的t

9、检验，回归方程的F检验，相关系数的t检验。三，残差检验：一个线性回归方程通过了t检验或F检验，只是表明变量x与y之间的线性关系是显著的，或者说线性回归方程是有效的，但不能保证数据拟合的很好。只有当与模型中的残差项有关的假定满足时，我们才能放心的运用回归模型。因此，再利用回归方程作分析和预测之前，应该做残差检验。（10）我们以农业产值为横轴，以残差为纵轴，做出散点图。图形如下 残差图表明 y 的观测值的方差并不相同，而是随着 x 的增加而减少后有不规则变动，即存在异方差。（11）消除异方差。对数似然值b 幂 、.000 .500 课程设计本身是对所学知识的一次温习，通过深入思考，查阅相关书籍，可以拓宽知识面，对所学知识理解的更为透彻，而且运用统计软件处理数据相当方便。通过对实际问题的分析，我们可以学会灵活运用专业知识，但设计过程中发现自己对软件操作还不是很熟练，所以以后要加强练习。最后，说明一下。我选的数据是一元线性回归模型，处理起来较为简单。最后出现了异方差，通过一元加权最小二乘估计法最终消除了异方差并模型通过了检验。设计成绩：教师签名：年 月 日