资源预览内容
第1页 / 共11页
第2页 / 共11页
第3页 / 共11页
第4页 / 共11页
第5页 / 共11页
第6页 / 共11页
第7页 / 共11页
第8页 / 共11页
第9页 / 共11页
第10页 / 共11页
亲,该文档总共11页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
2.3由 得n1i i10i1i ii0 x)y(Qn1i n1iiii ii0xe)y(2.4在 的正态分布假定下, 的最小二乘估计与最大似然估计等价,),0(N2i 10,求对数似然函数的极大值等价于对 求极小值,至此与最小二n1i 2i10i)x(y乘估计原理完全相同2.52.6 2n1ii1210 )x()var(xn)yvar()r( 2.7SRE)y(2)y()y()y()y(ST n1iiin1iin1i2in1i 2iin1i2i 2.8(1) 22i2iii2i2ix1x r1n)y(1nr)y(nr)y(nr)y(nLt (2) F)2n/(SE1R)n(STR1)2n(r)(t2 2.9 2xi2i10L)(n)xvar( 2xi2xi2i2xiii2i1i L)(n1)Ly(,covn1)Ly()(,ycov)(y,co( 2xi2xi2i1ii10iii )()x(,cov(2)ar()r()var()er( 2.10 2x2ii2i2i2i2 )L(1n()e(E(varn1)e(En1)y(n1(E) 2.11 2nF)/(SER)2n/(STRr2 如果一个线性回归方程通过 F 检验,只能说明 x 与 y 之间的线性关系是显著的,不能说明数据拟合得很好,决定系数 r2 是一个回归直线与样本观测值拟合优度的相对指标。2.12如果自变量观测值都乘以 2,回归参数的最小二乘估计 不变, 变为原来的01;如果自变量观测值都加上 2,回归参数的最小二乘估计 , 都扩大两倍;012.13不成立,相关系数与样本量 n 有关,当 n 较小时,相关系数的绝对值容易接近于 1;当 n 较大时,相关系数绝对值容易偏小。2.14(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 xy10模型 非标准化系数 标准系数 t Sig.B 标准 误差 试用版(常量) -1.000 6.351 -.157 .8851x 7.000 1.915 .904 3.656 .035由系数分析表可知: 7,10xy可 得 回 归 方 程 为(4)模型汇总 b模型 R R 方 调整 R 方 标准 估计的误差1 .904a .817 .756 6.05530a. 预测变量: (常量), x。b. 因变量: y由上图可得 053.6(5)系数 a非标准化系数 标准系数 B 的 95.0% 置信区间模型B 标准 误差 试用版t Sig.下限 上限(常量) -1.000 6.351 -.157 .885 -21.211 19.2111x 7.000 1.915 .904 3.656 .035 .906 13.094a. 因变量: y由上图可知可得 (0.906,13.094)的 置 信 区 间 为的 置 信 度 为 %951(-21.211,19.211)的 置 信 区 间 为的 置 信 度 为0(6)模型汇总 b模型 R R 方 调整 R 方 标准 估计的误差1 .904a .817 .756 6.05530a. 预测变量: (常量), x。b. 因变量: yx 与 y 的决定系数 817.0R2(7)Anovaa模型 平方和 df 均方 F Sig.回归 490.000 1 490.000 13.364 .035b残差 110.000 3 36.6671总计 600.000 4a. 因变量: yb. 预测变量: (常量), x。由上表中看到, ,拒绝原假设,说明 x 与 y 有显著的线性035.sig,64.13F关系(8)非标准化系数 标准系数模型B 标准 误差 试用版t Sig.(常量) -1.000 6.351 -.157 .8851x 7.000 1.915 .904 3.656 .035由上表可知,回归系数 的显著性检验的 P 值 ,从而拒绝原假15.03.设,所以 显著。1(9)相关性y xy 1.000 .904Pearson 相关性x .904 1.000y . .018Sig. (单侧)x .018 .y 5 5Nx 5 5由上表可知,相关系数 ,从而 x 与 y 有显著的线性关系。904.r(10)从图上看,残差是围绕 随机波动,从而模型的基本假定是满足的。0(11)当广告费为 万元时,销售收入 万元,置信度为 95%的置信区2.4x0 4.28y0间为 ,即2y)51,9.6(2.15(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 xy10非标准化系数 标准系数模型B 标准 误差 试用版t Sig.(常量) .118 .355 .333 .7481x .004 .000 .949 8.509 .000由系数分析表可知: 036.,18.0xy可 得 回 归 方 程 为(4)模型汇总 b模型 R R 方 调整 R 方 标准 估计的误差1 .949a .900 .888 .48002a. 预测变量: (常量), x。b. 因变量: y由上图可得 480.(5)系数 a非标准化系数 标准系数 B 的 95.0% 置信区间模型B 标准 误差 试用版t Sig.下限 上限(常量) .118 .355 .333 .748 -.701 .9371x .004 .000 .949 8.509 .000 .003 .005a. 因变量: y由上图可知可得 (0.003,0.005)的 置 信 区 间 为的 置 信 度 为 %951(-0.701,0.937)的 置 信 区 间 为的 置 信 度 为0(6)模型汇总 b模型 R R 方 调整 R 方 标准 估计的误差1 .949a .900 .888 .48002a. 预测变量: (常量), x。b. 因变量: yx 与 y 的决定系数 90.R2(7)Anovaa模型 平方和 df 均方 F Sig.回归 16.682 1 16.682 72.396 .000b残差 1.843 8 .2301总计 18.525 9a. 因变量: yb. 预测变量: (常量), x。由上表中看到, ,拒绝原假设,说明 x 与 y 有显著的线性0.sig,396.72F关系(8)非标准化系数 标准系数模型B 标准 误差 试用版t Sig.(常量) .118 .355 .333 .7481x .004 .000 .949 8.509 .000由上表可知,回归系数 的显著性检验的 P 值 ,从而拒绝原假15.0.设,所以 显著。1(9)相关性y xy 1.000 .949Pearson 相关性x .949 1.000y . .000Sig. (单侧)x .000 .y 10 10Nx 10 10由上表可知,相关系数 ,从而 x 与 y 有显著的线性关系。94.0r(10)从图上看,残差是围绕 随机波动,从而模型的基本假定是满足的。0(11)当新保单 时,需要加班的时间为 小时1x 7.3y0(12)置信度为 95%的精确预测置信区间为 即202/0h1)n(t )6.4,7(置信度为 95%的近似预测置信区间为 ,即y6.4,(13)置信度为 95%的精确预测置信区间为 即202/0)(t).,3(
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号