第3章-回归预测方法.docx

第3章 回归预测方法 思考与练习（参考答案） 1.简要论述相关分析与回归分析的区别与联系。 答：相关分析与回归分析的主要区别： （1）相关分析的任务是确定两个变量之间相关的方向和密切程度。回归分析的任务是寻找因变量对自变量依赖关系的数学表达式。 （2）相关分析中，两个变量要求都是随机变量，并且不必区分自变量和因变量；而回归分析中自变量是普通变量，因变量是随机变量，并且必须明确哪个是因变量，哪些是自变量； （3）相关分析中两变量是对等的，改变两者的地位，并不影响相关系数的数值，只有一个相关系数。而在回归分析中，改变两个变量的位置会得到两个不同的回归方程。 联系为： （1）相关分析是回归分析的基础和前提。只有在相关分析确定了变量之间存在一定相关关系的基础上建立的回归方程才有意义。 （2）回归分析是相关分析的继续和深化。只有建立了回归方程才能表明变量之间的依赖关系，并进一步进行预测。 2.某行业8个企业的产品销售额和销售利润资料如下： 企业编号 销售额（单位：万元） 销售利润（单位：万元） 1 170 8.1 2 220 12.5 3 390 18.0 4 430 22.0 5 480 26.5 6 650 40.0 7 950 64.0 8 1000 69.0 根据上述统计数据: （1）计算产品销售额与利润额的相关系数； 解：应用Excel软件数据分析功能求得相关系数，说明销售额与利润额高度相关。 （2）建立以销售利润为因变量的一元线性回归模型，并对回归模型进行显著性检验（取＝0.05）； 解：应用Excel软件数据分析功能求得回归方程的参数为： 据此，建立的线性回归方程为 模型拟合优度的检验 由于相关系数，所以模型的拟合度高。 回归方程的显著性检验 应用Excel软件数据分析功能得,说明在=0.05水平下回归效果显著. 回归系数的显著性检验 ,说明在=0.05水平下回归效果显著. 实际上，一元线性回归模型由于自变量只有一个，因此回归方程的显著性检验与回归系数的显著性检验是等价的。 （3）若企业产品销售额为500万元，试预测其销售利润。 根据建立的线性回归方程 ，当销售额时，销售利润万元。 3.某公司下属企业的设备能力和劳动生产率的统计资料如下： 企业代号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 设备能力 (千瓦/人) 2.8 2.8 3.0 2.9 3.4 3.9 4.0 4.8 4.9 5.2 5.4 5.5 6.2 7.0 劳动生产率(万元/人) 6.7 6.9 7.2 7.3 8.4 8.8 9.1 9.8 9.8 10.7 11.1 11.8 12.1 12.4 该公司现计划新建一家企业，设备能力为7.2千瓦/人，试预测其劳动生产率，并求出其95%的置信区间。 解：绘制散点图如下： 散点图近似一条直线，计算设备能力和劳动生产率的相关系数为0.9806，故可以采用线性回归模型进行拟合。 应用Excel软件数据分析功能求得回归方程的参数为： 据此，建立的线性回归方程为 ，对模型进行检验如下： （1）模型拟合优度的检验 由于相关系数，所以模型的拟合度高。 （2）回归方程的显著性检验 应用Excel软件数据分析功能得,说明在=0.05水平下回归效果显著. （3）回归系数的显著性检验 ,说明在=0.05水平下回归效果显著. 当设备能力为7.2千瓦/人时根据建立的线性回归模型 ，可得劳动生产率。其95%的置信区间为[12.44,14.38] 4．某市1977～1988 年主要百货商店营业额、在业人员总收入、当年竣工住宅面积的统计数据如下： 年份 营业额/千万元 在业人员总收入/千万元 当年竣工住宅面积/万平方米 1977 8.2 76.4 9.0 1978 8.3 77.9 7.8 1979 8.6 80.2 5.5 1980 9.0 86.0 5.0 1981 9.4 85.2 10.8 1982 9.4 88.2 6.5 1983 12.2 116.2 6.2 1984 16.7 129.0 10.8 1985 15.5 147.5 18.4 1986 18.3 186.2 15.7 1987 26.3 210.3 32.5 1988 27.3 248.5 45.5 根据上述统计数据: （1）建立多元线性回归模型； 解：应用Excel软件数据分析功能求得多元线性回归模型的参数为： 据此，建立的线性回归方程为 （2）对回归模型进行拟合优度检验、检验、检验和ＤＷ检验（取=0.05） 解：①拟合度检验 应用Excel软件计算得,接近于1，说明模型的拟合程度越高 ②检验 应用Excel软件计算得,查表得，故 说明在=0.05水平下回归效果显著。 ③t检验 应用Excel软件计