2023年《应用回归分析》课后习题部分超详细解析答案何晓群版.pdf

《2023年《应用回归分析》课后习题部分超详细解析答案何晓群版.pdf》由会员分享，可在线阅读，更多相关《2023年《应用回归分析》课后习题部分超详细解析答案何晓群版.pdf（28页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、优秀学习资料 欢迎下载 第二章 一元线性回归 2.14 解答：（1）散点图为：（2）x 与 y 之间大致呈线性关系。（3）设回归方程为01yx 1=12217()niiiniix ynx yxn x 01207 31yx 17yx 可得回归方程为（4）22ni=11()n-2iiyy 2n01i=11()n-2iyx =2222213（10-（-1+7 1）（10-（-1+7 2）（20-（-1+7 3）（20-（-1+7 4）（40-（-1+7 5）1169049363110/3 优秀学习资料 欢迎下载 13 3 06.13（5）由于211(,)xxNL 1112()/xxxxLtL 服从自

2、由度为 n-2的 t 分布。因而 1/2()|(2)1xxLPtn 也即：1/211/2()xxxxpttLL =1 可得11195%333333的置信度为的置信区间为（7-2.353，7+2.353）即为：（2.49，11.5）22001()(,()xxxNnL 00002221()1()()xxxxtxxnLnL 服从自由度为 n-2的 t 分布。因而 00/22|(2)11()xxPtnxnL 即220/200/21()1()()1xxxxxxpttnLnL 可得195%7.77,5.77的置信度为的置信区间为（）（6）x 与 y 的决定系数22121()490/6000.817()ni

3、iniiyyryy 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载（7）ANOVA x 平方和 df 均方 F 显著性 组间（组合）9.000 2 4.500 9.000.100 线性项 加权的 8.167 1 8.167 16.333.056 偏差.833 1.833 1.667.326 组内 1.000 2.500 总数 10.000 4 由于(1,3)FF,拒绝0H,说明回归方程显著，x 与 y 有显著的线性关系。（8）112/

4、xxxxLtL 其中2221111()22nniiiiieyynn 71 02 13.6 61333303/22.353t/23.66tt 接受原假设01:0,H认为1显著不为 0，因变量 y 对自变量 x 的一元线性回归成立。（9）相关系数 1211()()()()niixyinnxxyyiiiixxyyLrL Lxxyy =7070.90410 60060 r小于表中1%的相应值同时大于表中5%的相应值，x 与 y 有显著的线性关系.(10)序号 x y y e 1 1 10 6 4 2 2 10 13-3 3 3 20 20 0 4 4 20 27-7 5 5 40 34 6 残差图为：

5、即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 从图上看，残差是围绕 e=0 随机波动，从而模型的基本假定是满足的。（11）当广告费0 x=4.2 万元时，销售收入028.4y 万元，95%置信度为的 置信区间 y2近似为，即（17.1，39.7）2.15 解答：（1）散点图为：即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎

6、下载与之间大致呈线性关系设回优秀学习资料 欢迎下载（2）x 与 y 之间大致呈线性关系。（3）设回归方程为01yx 1=1221(2637021717)0.0036(71043005806440)()niiiniix ynx yxn x 012.850.00367620.1068yx 0.10680.0036yx可得回归方程为(4)22ni=11()n-2iiyy 2n01i=11()n-2iyx =0.2305 0.4801 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间

7、大致呈线性关系设回优秀学习资料 欢迎下载(5)由于211(,)xxNL 1112()/xxxxLtL 服从自由度为 n-2的 t 分布。因而 1/2()|(2)1xxLPtn 也即：1/211/2()xxxxpttLL =1 可得195%的置信度为的置信区间为 0.4801/12978600.4801/1297860（0.0036-1.860，0.0036+1.860）即为：（0.0028，0.0044）22001()(,()xxxNnL 00002221()1()()xxxxtxxnLnL 服从自由度为 n-2的 t 分布。因而 00/22|(2)11()xxPtnxnL 即220/200/

8、21()1()()1xxxxxxpttnLnL 可得195%0.3567,0.5703的置信度为的置信区间为（）(6)x 与 y 的决定系数 22121()()niiniiyyryy16.8202718.525=0.908 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载(7)ANOVA x 平方和 df 均方 F 显著性 组间（组合）1231497.500 7 175928.214 5.302.168 线性项 加权的 1168713.

9、036 1 1168713.036 35.222.027 偏差 62784.464 6 10464.077.315.885 组内 66362.500 2 33181.250 总数 1297860.000 9 由于(1,9)FF,拒绝0H,说明回归方程显著，x 与 y 有显著的线性关系。(8)112/xxxxLtL 其中2221111()22nniiiiieyynn 0.0 0 3 61 2 9 7 8 6 08.5420.04801/21.895t/28.542tt 接受原假设01:0,H认为1显著不为 0，因变量 y 对自变量 x 的一元线性回归成立。(9)相关系数 1211()()()()

10、niixyinnxxyyiiiixxyyLrL Lxxyy =46530.94891297860 18.525 r小于表中1%的相应值同时大于表中5%的相应值，x 与 y 有显著的线性关系.(10)序号 x y y e 1 825 35 3.0768 0.4232 2 215 1 0.8808 0.1192 3 1070 4 3.9588 0.0412 4 550 2 2.0868-0.0868 5 480 1 1.8348-0.8348 6 920 3 3.4188-0.4188 7 1350 4.5 4.9688-0.4668 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平

11、回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 8 325 1.5 1.2768 0.2232 9 670 3 2.5188 0.4812 10 1215 5 4.4808 0.5192 从图上看，残差是围绕 e=0 随机波动，从而模型的基本假定是满足的。(11)0010003.7x新保单时，需要加班的时间为 y小时。（12）00/200y(2)1ytnh的置信概率为1-的置信区间精确为,即为（2.7，4.7）近似置信区间为：02y，即（2.74，4.66）（13）可得置信水平为1-的置信区间为

12、0/200(2)ytnh，即为（3.33，4.07）.2.16(1)散点图为：可以用直线回归描述y 与 x 之间的关系.(2)回归方程为:12112.6293.314yx 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载(3)从图上可看出，检验误差项服从正态分布。即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线

13、性关系设回优秀学习资料 欢迎下载 第三章 多元线性回归 3.11 解：（1）用 SPSS 算出 y，x1，x2,x3 相关系数矩阵：相关性 y x1 x2 x3 Pearson 相关性 y 1.000.556.731.724 x1.556 1.000.113.398 x2.731.113 1.000.547 x3.724.398.547 1.000 y.048.008.009 x1.048.378.127 x2.008.378.051 x3.009.127.051.N y 10 10 10 10 x1 10 10 10 10 x2 10 10 10 10 x3 10 10 10 10 所以r=

14、(2)所以三元线性回归方程为3447.122101.71754.328.348xxxy 系数a 模型 非标准化系数 标准系数 t Sig.B 的 95.0%置信区间 相关性 共线性统计量 B 标准 误差 试用版 下限 上限 零阶 偏 部分 容差 VIF 1(常量)-348.280 176.459 -1.974.096-780.060 83.500 x1 3.754 1.933.385 1.942.100-.977 8.485.556.621.350.825 1.211 x2 7.101 2.880.535 2.465.049.053 14.149.731.709.444.687 1.455 x

15、3 12.447 10.569.277 1.178.284-13.415 38.310.724.433.212.586 1.708 a.因变量:y 模型汇总 模型 R R 方 调整 R 方 标准 估计的更改统计量 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载（3）由于决定系数R方=0.708 R=0.898较大所以认为拟合度较高 （4）Anovab 模型 平方和 df 均方 F Sig.1 回归 13655.370 3 4551.7

16、90 8.283.015a 残差 3297.130 6 549.522 总计 16952.500 9 a.预测变量:(常量),x3,x1,x2。b.因变量:y 因为 F=8.283 P=0.0150.05所以认为回归方程在整体上拟合的好（5）系数a 模型 非标准化系数 标准系数 t Sig.B 的 95.0%置信区间 相关性 共线性统计量 B 标准 误差 试用版 下限 上限 零阶 偏 部分 容差 VIF 1(常量)-348.280 176.459 -1.974.096-780.060 83.500 x1 3.754 1.933.385 1.942.100-.977 8.485.556.621.

17、350.825 1.211 x2 7.101 2.880.535 2.465.049.053 14.149.731.709.444.687 1.455 x3 12.447 10.569.277 1.178.284-13.415 38.310.724.433.212.586 1.708 a.因变量:y （6）可以看到 P 值最大的是 x3 为 0.284，所以 x3 的回归系数没有通过显著检验，应去除。去除 x3 后作 F检验，得：Anovab 模型 平方和 df 均方 F Sig.1 回归 12893.199 2 6446.600 11.117.007a 残差 4059.301 7 579.9

18、00 总计 16952.500 9 a.预测变量:(常量),x2,x1。误差 R 方更改 F 更改 df1 df2 Sig.F 更改 1.898a.806.708 23.44188.806 8.283 3 6.015 a.预测变量:(常量),x3,x1,x2。即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 Anovab 模型 平方和 df 均方 F Sig.1 回归 12893.199 2 6446.600 11.117.007a 残

19、差 4059.301 7 579.900 总计 16952.500 9 a.预测变量:(常量),x2,x1。b.因变量:y 由表知通过 F检验 继续做回归系数检验 系数a 模型 非标准化系数 标准系数 t Sig.B 的 95.0%置信区间 相关性 共线性统计量 B 标准 误差 试用版 下限 上限 零阶 偏 部分 容差 VIF 1(常量)-459.624 153.058 -3.003.020-821.547-97.700 x1 4.676 1.816.479 2.575.037.381 8.970.556.697.476.987 1.013 x2 8.971 2.468.676 3.634.0

20、08 3.134 14.808.731.808.672.987 1.013 a.因变量:y 此时，我们发现 x1，x2 的显著性大大提高。（7）x1:(-0.997,8.485)x2:(0.053,14.149)x3:(-13.415,38.310)(8)*3277.02535.01385.0 xxxy(9)残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 175.4748 292.5545 231.5000 38.95206 10 标准 预测值-1.438 1.567.000 1.000 10 预测值的标准误差 10.466 20.191 14.526 3.127 10 调整的预测

21、值 188.3515 318.1067 240.1835 49.83914 10 残差-25.19759 33.22549.00000 19.14022 10 标准 残差-1.075 1.417.000.816 10 Student 化 残差-2.116 1.754-.123 1.188 10 已删除的残差-97.61523 50.88274-8.68348 43.43220 10 Student 化 已删除的残差-3.832 2.294-.255 1.658 10 Mahal。距离.894 5.777 2.700 1.555 10 Cook 的距离.000 3.216.486.976 10

22、居中杠杆值.099.642.300.173 10 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 残差统计量a 极小值 极大值 均值 标准 偏差 N 预测值 175.4748 292.5545 231.5000 38.95206 10 标准 预测值-1.438 1.567.000 1.000 10 预测值的标准误差 10.466 20.191 14.526 3.127 10 调整的预测值 188.3515 318.1067 240.1

23、835 49.83914 10 残差-25.19759 33.22549.00000 19.14022 10 标准 残差-1.075 1.417.000.816 10 Student 化 残差-2.116 1.754-.123 1.188 10 已删除的残差-97.61523 50.88274-8.68348 43.43220 10 Student 化 已删除的残差-3.832 2.294-.255 1.658 10 Mahal。距离.894 5.777 2.700 1.555 10 Cook 的距离.000 3.216.486.976 10 居中杠杆值.099.642.300.173 10

24、a.因变量:y 所以置信区间为（175.4748，292.5545）（10）由于 x3 的回归系数显著性检验未通过，所以居民非商品支出对货运总量影响不大，但是回归方程整体对数据拟合较好 3.12 解：在固定第二产业增加值，考虑第三产业增加值影响的情况下，第一产业每增加一个单位，GDP就增加 0.607 个单位。在固定第一产业增加值，考虑第三产业增加值影响的情况下，第二产业每增加一个单位，GDP就增加 1.709 个单位。第四章 违背基本假设的情况 4.9 解：系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量)-.831.442 -1.882.065 x.004

25、.000.839 11.030.000 a.因变量:y 由 SPSS 计算得：y=-0.831+0.004x 残差散点图为：即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 （2）由残差散点图可知存在异方差性 再用等级相关系数分析：相关系数 x t Spearman 的 rho x 相关系数 1.000.318*Sig.（双侧）.021 N 53 53 t 相关系数.318*1.000 Sig.（双侧）.021.N 53 53*.在置信

26、度（双测）为 0.05 时，相关性是显著的。P=0.021 所以方差与自变量的相关性是显著的。（3）模型描述 因变量 y 自变量 1 x 权重 源 x 幂值 1.500 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 模型描述 因变量 y 自变量 1 x 权重 源 x 幂值 1.500 模型:MOD_1.M=1.5时可以建立最优权函数，此时得到：ANOVA 平方和 df 均方 F Sig.回归.006 1.006 98.604.000

27、 残差.003 51.000 总计.009 52 系数 未标准化系数 标准化系数 t Sig.B 标准误 试用版 标准误（常数）-.683.298 -2.296.026 x.004.000.812.082 9.930.000 所以：y-0.683+0.004x（4）系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量).582.130 4.481.000 x.001.000.805 9.699.000 a.因变量:yy 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀

28、学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 4.13 解：(1)系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量)-1.435.242 -5.930.000 x.176.002.999 107.928.000 a.因变量:y y=-1.435+0.176x(2)模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1.999a.998.998.09744.663 a.预测变量:(常量),x。b.因变量:y 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大

29、于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 DW=0.663 查 DW 分布表知：Ld=0.95 所以 DWLd,故误差项存在正相关。残差图为：te随 t 的变化逐次变化并不频繁的改变符号，说明误差项存在正相关。（3）=1-0.5*DW=0.6685 计算得：Y x 7.39 44.90 7.65 45.80 6.84 40.69 8.00 48.50 7.79 46.85 8.26 49.45 7.96 48.47 8.28 50.04 7.90 48.03 8.49 51.17 7.88 47.26 8.77 52.33 8

30、.93 52.69 9.32 54.95 9.29 55.54 9.48 56.77 9.38 55.83 9.67 58.00 9.90 59.22 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1.996a.993.993.07395 1.344 a.预测变量:(常量),xx。b.因变量:yy 系数a 模型 非标准化系数 标准系数 t Si

31、g.B 标准 误差 试用版 1(常量)-.303.180 -1.684.110 xx.173.004.996 49.011.000 a.因变量:yy 得回归方程 y=-0.303+0.173x 即：ty=-0.303+0.66851ty+0.173（tx0.66851tx）（4）模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1.978a.957.955.07449 1.480 a.预测变量:(常量),x3。b.因变量:y3 系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量).033.026 1.273.220 x3.

32、161.008.978 19.528.000 a.因变量:y3 ty=0.033+0.161 tx 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 即：ty=0.033+1ty+0.161（tx-1tx）（5）差分法的 DW 值最大为 1.48 消除相关性最彻底，但是迭代法的值最小为0.07395，拟合的较好。4.14 解：（1）模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1.541a.2

33、93.264 329.69302.745 a.预测变量:(常量),x2,x1。b.因变量:y 系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量)-574.062 349.271 -1.644.107 x1 191.098 73.309.345 2.607.012 x2 2.045.911.297 2.246.029 a.因变量:y 回归方程为：y=-574.062+191.098x1+2.045x2 DW=0.745Dl 所以误差项存在正相关 残差图为：即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序

34、号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 （2）=1-0.5*DW=0.6275 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1.688a.474.452 257.67064 1.716 a.预测变量:(常量),x22,x12。b.因变量:y2 系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量)-179.668 90.337 -1.989.052 x12 211.770 47.778.522 4.432.000 x22 1.434.628.269 2.28

35、3.027 a.因变量:y2 此时得方程：ty=-179.668+211.77x1+1.434x2 所以回归方程为：)26275.02(434.1)16275.01(77.2116275.0668.1791?11ttttttxxxxyy 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载（3）模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1.715a.511.490 283.79102 2.04

36、2 a.预测变量:(常量),x23,x13。b.因变量:y3 系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量)7.698 39.754 .194.847 x13 209.891 44.143.544 4.755.000 x23 1.399.583.274 2.400.020 a.因变量:y3 此时得方程：2399.11891.209698.7xxyt 所以回归方程为：)22(399.1)(891.209698.711tttttxxxxy 第五章 自变量选择与逐步回归 5.9 后退法：输出结果 系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差

37、试用版 1(常量)1438.120 2252.472 .638.533 农业 x1-.626.168-1.098-3.720.002 工业 x2-.328.207-1.352-1.587.135 建筑业 x3-.383.555-.251-.691.501 人口 x4-.004.025-.014-.161.875 最终消费 x5.672.130 3.710 5.178.000 受灾面积 x6-.006.008-.015-.695.499 2(常量)1079.754 299.759 3.602.003 农业 x1-.642.130-1.126-4.925.000 即可得的置信度为的置信区间为与的决

38、定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 工业 x2-.303.131-1.249-2.314.035 建筑业 x3-.402.525-.263-.765.456 最终消费 x5.658.095 3.636 6.905.000 受灾面积 x6-.006.007-.017-.849.409 3(常量)1083.150 295.816 3.662.002 农业 x1-.624.127-1.095-4.931.000 工业 x2-.373.093-1.535-3.99

39、8.001 最终消费 x5.657.094 3.627 6.981.000 受灾面积 x6-.005.007-.015-.758.460 4(常量)874.604 106.869 8.184.000 农业 x1-.611.124-1.073-4.936.000 工业 x2-.353.088-1.454-3.994.001 最终消费 x5.637.089 3.516 7.142.000 a.因变量:财政收入 y Anovae 模型 平方和 df 均方 F Sig.1 回归 1.365E8 6 2.274E7 602.127.000a 残差 528793.319 14 37770.951 总计 1

40、.370E8 20 2 回归 1.365E8 5 2.729E7 772.734.000b 残差 529767.852 15 35317.857 总计 1.370E8 20 3 回归 1.364E8 4 3.411E7 991.468.000c 残差 550440.103 16 34402.506 总计 1.370E8 20 4 回归 1.364E8 3 4.547E7 1355.753.000d 残差 570180.931 17 33540.055 总计 1.370E8 20 a.预测变量:(常量),受灾面积 x6,建筑业 x3,人口 x4,农业 x1,最终消费 x5,工业 x2。b.预测变

41、量:(常量),受灾面积 x6,建筑业 x3,农业 x1,最终消费 x5,工业 x2。c.预测变量:(常量),受灾面积 x6,农业 x1,最终消费 x5,工业 x2。d.预测变量:(常量),农业 x1,最终消费 x5,工业 x2。e.因变量:财政收入 y 模型汇总 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 1.998a.996.994 194.34750.996 602.127 6 14.000 即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似

42、为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 2.998b.996.995 187.93046.000.026 1 14.875 3.998c.996.995 185.47913.000.585 1 15.456 4.998d.996.995 183.13944.000.574 1 16.460 a.预测变量:(常量),受灾面积 x6,建筑业 x3,人口 x4,农业 x1,最终消费 x5,工业 x2。b.预测变量:(常量),受灾面积 x6,建筑业 x3,农业 x1,最终消费 x5,工业 x2。c.预测变量:(常量),受灾面积 x6,农业 x1,最终消费 x

43、5,工业 x2。d.预测变量:(常量),农业 x1,最终消费 x5,工业 x2。回归方程为：125874.6040.6110.3530.637yxxx 逐步回归法：输出结果 Anovad 模型 平方和 df 均方 F Sig.1 回归 1.354E8 1 1.354E8 1659.441.000a 残差 1550688.654 19 81615.192 总计 1.370E8 20 2 回归 1.359E8 2 6.794E7 1106.637.000b 残差 1105088.003 18 61393.778 总计 1.370E8 20 3 回归 1.364E8 3 4.547E7 1355.7

44、53.000c 残差 570180.931 17 33540.055 总计 1.370E8 20 a.预测变量:(常量),最终消费 x5。b.预测变量:(常量),最终消费 x5,农业 x1。c.预测变量:(常量),最终消费 x5,农业 x1,工业 x2。d.因变量:财政收入 y 模型汇总 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 1.994a.989.988 285.68373.989 1659.441 1 19.000 2.996b.992.991 247.77768.003 7.258 1 18.015 3.998

45、c.996.995 183.13944.004 15.948 1 17.001 a.预测变量:(常量),最终消费 x5。b.预测变量:(常量),最终消费 x5,农业 x1。c.预测变量:(常量),最终消费 x5,农业 x1,工业 x2。即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 系数a 模型 非标准化系数 标准系数 t Sig.相关性 B 标准 误差 试用版 零阶 偏 部分 1(常量)710.372 90.891 7.816.00

46、0 最终消费 x5.180.004.994 40.736.000.994.994.994 2(常量)1011.912 136.901 7.392.000 最终消费 x5.311.049 1.718 6.374.000.994.832.135 农业x1-.414.154-.726-2.694.015.987-.536-.057 3(常量)874.604 106.869 8.184.000 最终消费 x5.637.089 3.516 7.142.000.994.866.112 农业x1-.611.124-1.073-4.936.000.987-.767-.077 工业x2-.353.088-1.4

47、54-3.994.001.992-.696-.062 a.因变量:财政收入 y 回归方程为:125874.6040.6360.3530.637yxxx 5.10(1)模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1.908a.824.736 625.88326 2.000b.000.000 1217.15945 a.预测变量:(常量),x6,x3,x2,x4,x5。b.预测变量:(常量)Anovac 模型 平方和 df 均方 F Sig.1 回归 1.830E7 5 3660971.683 9.346.002a 残差 3917298.522 10 391729.852 总计 2.

48、222E7 15 2 回归.000 0.000.b 残差 2.222E7 15 1481477.129 总计 2.222E7 15 a.预测变量:(常量),x6,x3,x2,x4,x5。即可得的置信度为的置信区间为与的决定系数优秀学习资料欢迎下载平回归成立相关系数小于表中的相应值同时大于表中序号的相应值与有显似为即解答散点图为优秀学习资料欢迎下载与之间大致呈线性关系设回优秀学习资料 欢迎下载 b.预测变量:(常量)c.因变量:y 系数a 模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版 1(常量)5922.827 2504.315 2.365.040 x2 4.864 2.50

49、7.677 1.940.081 x3 2.374.842.782 2.818.018 x4-817.901 187.279-1.156-4.367.001 x5 14.539 147.078.050.099.923 x6-846.867 291.634-.899-2.904.016 2(常量)7542.938 304.290 24.789.000 a.因变量:y 回归方程为：234565922.8274.8642.374817.90114.539846.867yxxxxx(2)后退法：输出结果 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1.908a.824.736 625.8

50、8326 2.907b.824.759 597.04776 a.预测变量:(常量),x6,x3,x2,x4,x5。b.预测变量:(常量),x6,x3,x2,x4。Anovac 模型 平方和 df 均方 F Sig.1 回归 1.830E7 5 3660971.683 9.346.002a 残差 3917298.522 10 391729.852 总计 2.222E7 15 2 回归 1.830E7 4 4575257.669 12.835.000b 残差 3921126.262 11 356466.024 总计 2.222E7 15 a.预测变量:(常量),x6,x3,x2,x4,x5。b.预