SPSS回歸分析作業(yè)[共22頁]

1、回歸分析作業(yè)一、利用軟件計(jì)算1、 數(shù)據(jù)文件“資產(chǎn)評估1”提供了35家上市公司資產(chǎn)評估增值的數(shù)據(jù)。 num-公司序號pg- 資產(chǎn)評估增值率gz-固定資產(chǎn)在總資產(chǎn)中所占比例fz-權(quán)益與負(fù)債比bc-總資產(chǎn)投資報酬率gm-公司資產(chǎn)規(guī)模（億元）a. 建立關(guān)于資產(chǎn)評估增值率的四元線性回歸方程，并通過統(tǒng)計(jì)分析、檢驗(yàn)說明所得方程的有效性，解釋各回歸系數(shù)的經(jīng)濟(jì)含義。b. 剔除gz變量，建立關(guān)于資產(chǎn)評估增值率的三元線性回歸方程，與a中的模型相比較，那個更為實(shí)用有效，說明理由。解：a. SPSS數(shù)據(jù)如下Model SummaryModelRR SquareAdjusted R SquareStd. Error of

2、 the Estimate1.871a.759.727.0787500a. Predictors: (Constant), 公司規(guī)模, 權(quán)益與負(fù)債比, 固定資產(chǎn)比重, 總資產(chǎn)投資報酬率ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression.5864.14623.609.000aResidual.18630.006Total.77234a. Predictors: (Constant), 公司規(guī)模, 權(quán)益與負(fù)債比, 固定資產(chǎn)比重, 總資產(chǎn)投資報酬率b. Dependent Variable: 資產(chǎn)評估增值率CoefficientsaModel

3、Unstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).396.1452.736.010固定資產(chǎn)比重.079.082.092.972.339權(quán)益與負(fù)債比.062.016.4163.918.000總資產(chǎn)投資報酬率.602.130.4934.618.000公司規(guī)模-.044.014-.304-3.201.003a. Dependent Variable: 資產(chǎn)評估增值率Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredic

4、ted Value-.084652.494055.172240.131242935Residual-1.5000236E-1.1493797.0000000.073972735Std. Predicted Value-1.9572.452.0001.00035Std. Residual-1.9051.897.000.93935a. Dependent Variable: 資產(chǎn)評估增值率由Model Summary和ANOVA表 可知，R為0.871，決定系數(shù)R2為0.759，校正決定系數(shù)為0.727。擬合的回歸模型F值為23.609，P值為0，所以擬合的模型是有統(tǒng)計(jì)意義的。從系數(shù)的t檢驗(yàn)可以看

5、出，只有固定資產(chǎn)比重的sig值=0.3390.05，說明只有固定資產(chǎn)比重對資產(chǎn)評估增值率的影響是不顯著的，其他自變量對固定資產(chǎn)增值的比率均有顯著的影響。線性回歸方程為：pg=0.396+0.079gz+0.063fz+0.602bc-0.044gm1=0.079表示，在權(quán)益與負(fù)債比、總資產(chǎn)投資報酬率和公司規(guī)模不變的條件下，固定資產(chǎn)比重每增加1個單位，資產(chǎn)評估增值率增加0.079。2=0.063表示，在固定資產(chǎn)比重、總資產(chǎn)投資報酬率和公司規(guī)模不變的條件下，權(quán)益與負(fù)債比每增加1個單位，資產(chǎn)評估增值率增加0.063。3=0.602表示，在固定資產(chǎn)比重、權(quán)益與負(fù)債比和公司規(guī)模不變的條件下，總資產(chǎn)投資報

6、酬率每增加1個單位，資產(chǎn)評估增值率增加0.602。4=-0.044表示，在固定資產(chǎn)比重、權(quán)益與負(fù)債比和總資產(chǎn)投資報酬率不變的條件下，公司規(guī)模每增加1億元，資產(chǎn)評估增值率減少0.044b. Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.867a.751.727.0786809a. Predictors: (Constant), 公司規(guī)模, 權(quán)益與負(fù)債比, 總資產(chǎn)投資報酬率b. Dependent Variable: 資產(chǎn)評估增值率ANOVAbModelSum of SquaresdfMean Sq

7、uareFSig.1Regression.5803.19331.218.000aResidual.19231.006Total.77234a. Predictors: (Constant), 公司規(guī)模, 權(quán)益與負(fù)債比, 總資產(chǎn)投資報酬率b. Dependent Variable: 資產(chǎn)評估增值率CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).376.1432.628.013權(quán)益與負(fù)債比.063.016.4223.981.000總資產(chǎn)投資報酬

8、率.600.130.4914.607.000公司規(guī)模-.040.013-.275-3.052.005a. Dependent Variable: 資產(chǎn)評估增值率Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredicted Value-.062589.511513.172240.130584135Residual-1.6124609E-1.1453045.0000000.075129535Std. Predicted Value-1.7982.598.0001.00035Std. Residual-2.0491.847.000.9

9、5535a. Dependent Variable: 資產(chǎn)評估增值率由Model Summary和ANOVA表 可知，相關(guān)系數(shù)R為0.867，決定系數(shù)R2為0.751，校正決定系數(shù)為0.727。從系數(shù)的t檢驗(yàn)可以看出，該模型的回歸系數(shù)都通過檢驗(yàn)。所以，剔除 gz 變量，建立關(guān)于資產(chǎn)評估增值率的三元線性回歸方程為：pg=0.376+0.063fz+0.600bc-0.040gmb更為有效實(shí)用，因?yàn)樗械幕貧w系數(shù)都通過了t檢驗(yàn)，并且b模型估計(jì)的標(biāo)準(zhǔn)誤較小。2、數(shù)據(jù)文件“房產(chǎn)銷售”提供了20件房地產(chǎn)的銷售價格和評估的數(shù)據(jù)（美元）：y-銷售價格； x1-地產(chǎn)評估價值； x2-房產(chǎn)評估價值；x3-面積（

10、平方英尺）。a. 建立適當(dāng)?shù)年P(guān)于銷售價格的多元線性回歸模型.b. 利用模型預(yù)測地產(chǎn)評估價值為2000，房產(chǎn)評估價值為12000，面積為1100的銷售價格，并給出預(yù)測值的95%的置信區(qū)間。c. 通過對模型的統(tǒng)計(jì)檢驗(yàn)說明預(yù)測值的可信度。解：a. SPSS數(shù)據(jù)如下CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)1475.6485742.859.257.800地產(chǎn)價值.814.512.1931.589.132房產(chǎn)價值.821.211.5573.890

11、.001面積13.5096.583.2772.052.057a. Dependent Variable: 銷售價格由圖表所知，地產(chǎn)價值的sig值過高，所以地產(chǎn)價值對銷售價格的影響不顯著。把地產(chǎn)價值剔除后，所得的數(shù)據(jù)如下：Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.939a.881.8678262.430a. Predictors: (Constant), 面積, 房產(chǎn)價值b. Dependent Variable: 銷售價格ANOVAbModelSum of SquaresdfMean Squ

12、areFSig.1Regression8.623E924.311E963.153.000aResidual1.161E9176.827E7Total9.783E919a. Predictors: (Constant), 面積, 房產(chǎn)價值b. Dependent Variable: 銷售價格CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)105

13、.3825927.158.018.986-12399.82712610.592房產(chǎn)價值.961.200.6514.797.000.5381.384面積16.3486.615.3362.472.0242.39230.304a. Dependent Variable: 銷售價格Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredicted Value21387.191.06E55.67E421303.09620Residual-1.582E41.387E4.0007815.47620Std. Predicted Value-1.656

14、2.330.0001.00020Std. Residual-1.9151.679.000.94620a. Dependent Variable: 銷售價格由Coefficients表所知，回歸方程為：y=105.382+0.961x2+16.348x3 b.解：通常先做enter，然后做逐步（1）對原數(shù)據(jù)進(jìn)行回歸分析，得到回歸方程為：y=105.382+0.961x2+16.348x3（2）地產(chǎn)評估價值為2000，房產(chǎn)評估價值為12000，面積為1100的銷售價格的95%的置信區(qū)間為：（21468.99197，37776.93332）。（3）該模型的Adjusted R Square=0.86

15、7，也就是這兩個自變量可以解釋86.7%的因變量變差，應(yīng)該說是預(yù)測的可信度比較高；并且殘差符合正態(tài)性、獨(dú)立性和方差齊次性，模型成立，即有95%的可能性b的預(yù)測值在區(qū)間21468.99197-37776.93332內(nèi)。3、大多數(shù)公司都提供了估計(jì)值，以反映證券的系統(tǒng)風(fēng)險。一種股票的值所測量的是這種股票的回報率與整個市場平均回報率之間的關(guān)系。這個指標(biāo)的名稱就來自簡單線性回歸中的斜率參數(shù)。在這種回歸中，因變量是股票回報率（Y）。而自變量則是市場回報率（X）。 值大于1的股票被稱為“攻擊性”證券，因?yàn)樗鼈兊幕貓舐首儎樱ㄏ蛏匣蛳蛳拢┑帽日麄€市場的回報率快。相反，值小于1的股票被稱為“防御性”證券，因?yàn)樗鼈?/p>

16、的回報率變動的比市場回報率慢。 值接近1的股票被稱為“中性”證券，因?yàn)樗鼈兊幕貓舐史从呈袌龌貓舐省Ｏ旅姹碇械臄?shù)據(jù)是隨機(jī)抽選的7個月內(nèi)某只特定的股票的月回報率及整個市場的回報率。試對這些數(shù)據(jù)完成簡單線性回歸分析。根據(jù)你的分析結(jié)果，你認(rèn)為這只股票是屬于攻擊性，防御性，還是中性的股票？月 股票回報率Y 市場回報率X1 12.0 7.22 1.3 0.03 2.5 2.14 18.6 11.95 9.0 5.36 3.8 1.27 10.0 4.7解： SPSS數(shù)據(jù)如下：CoefficientsaModelUnstandardized CoefficientsStandardized Coeffici

17、entstSig.BStd. ErrorBeta1(Constant)-1.329.323-4.109.009X1.762.054.99832.539.000a. Dependent Variable: Y得到回歸方程：y=1.762x-1.329。值為線性回歸斜率參數(shù)1.7621，所以，該股票屬于“攻擊性股票”。4、參考上題。股票的值是否依賴于計(jì)算回報率的時間長度？因?yàn)橛行┙?jīng)濟(jì)商號用的是按月數(shù)據(jù)計(jì)算的值，另一些經(jīng)濟(jì)商號則用按年數(shù)據(jù)計(jì)算的值，所以這個問題對投資者來說很重要。H.萊維分別研究了三類股票的時間長度（月）和平均值。將時間長度從一個月逐步增加到30個月，萊維計(jì)算了1946-1975年間

18、144只股票的回報率。根據(jù)他所得的值，這144只股票中有38只攻擊性股票，38只防御性股票，以及68只中性股票。下表中給出的這三類股票對不同時間水平的平均值。A、 對于攻擊性股票、防御性股票和中性股票三種情況，分別求表達(dá)平均值Y與時間長度X之間關(guān)系的最小二乘簡單線性回歸方程。B、 對每一類股票檢驗(yàn)假設(shè)：時間長度是平均值的有效線性預(yù)測器，檢驗(yàn)時用=0.05。C、 對每一類股票，構(gòu)造直線斜率的95%置信區(qū)間，哪只股票的值隨時間長度的增大而線性增大？時間長度X，月 值， Y攻擊性股票 防御性股票 中性股票136912151824301.37 0.50 0.981.42 0.44 0.95 1.53

19、0.41 0.941.69 0.39 1.00 1.83 0.40 0.98 1.67 0.38 1.00 1.78 0.39 1.02 1.86 0.35 1.14 1.83 0.33 1.22CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)1.451.05924.392.0001.3101.591x.016.004.8564.377.00

20、3.007.025a. Dependent Variable: yCoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant).459.01334.178.000.428.491x-.005.001-.901-5.488.001-.007-.003a. Dependent Variable: yCoefficientsaModelUnstandardiz

21、ed CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant).911.02537.083.000.853.969x.009.002.9065.672.001.005.012a. Dependent Variable: y5個人計(jì)算機(jī)（PC機(jī)）正以非凡的技術(shù)在發(fā)展，PC機(jī)的零售價格也是這樣。由于購買時間和機(jī)器特點(diǎn)不同，一臺PC機(jī)的零售價格可能發(fā)生戲劇性的變化。不久前收集了一批IBM PC機(jī)和IBM PC兼容機(jī)的零售

22、價格數(shù)據(jù)，共有N=60，見數(shù)據(jù)文件“計(jì)算機(jī)價格”。這些數(shù)據(jù)被用來擬合多元回歸 E（Y）=0+1 x1+2x2其中：Y=零售價格（美元）x1=微處理器速度（兆赫）a、 試寫出最小二乘預(yù)測方程。b、 此模型是否適合于預(yù)測？用=0.10進(jìn)行檢驗(yàn)。c、 構(gòu)造1 的90%置信區(qū)間，并對此區(qū)間作出解釋。d、 本模型中的CPU芯片（x2）是否是價格（Y）的有效預(yù)測器？用=0.10進(jìn)行預(yù)測。Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.610a.373.350962.967a. Predictors: (Con

23、stant), 芯片, 速度b. Dependent Variable: 價格yModel SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.610a.373.350962.967a. Predictors: (Constant), 芯片, 速度b. Dependent Variable: 價格yCoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd.

24、 ErrorBetaLower BoundUpper Bound1(Constant)-68.5091461.468-.047.963-2996.1812859.162速度108.23721.198.5825.106.00065.772150.702芯片2.4864.174.068.596.554-5.87610.848a. Dependent Variable: 價格y6、在工廠中，準(zhǔn)確估計(jì)完成一項(xiàng)作業(yè)所需的工時數(shù)對于諸如決定雇傭工人的數(shù)量，確定向客戶報價的最后期限，或者作出與預(yù)算有關(guān)的成本分析決策等決策管理來說是極端重要的。一名鍋爐筒制造商想預(yù)測在一些在未來預(yù)測項(xiàng)目中裝配鍋爐筒所需的工時數(shù)

25、。為了用回歸方法實(shí)現(xiàn)此目標(biāo)，他收集了35個鍋爐的項(xiàng)目數(shù)據(jù)（數(shù)據(jù)文件“鍋爐”）。除工時（Y）外，被測量的變量有鍋爐工作容量（X1=磅/小時），鍋爐設(shè)計(jì)壓力（X2=磅/平方英寸），鍋爐的類型（X3=1，如在生產(chǎn)領(lǐng)域裝配；X3=0，如在使用領(lǐng)域裝配），以及爐筒類型（X4=1，蒸汽爐筒；X4=0，液體爐筒）。A、 試檢驗(yàn)假設(shè)：鍋爐容量（X1）與工時數(shù)（Y）之間有正線性關(guān)系。B、 試檢驗(yàn)假設(shè)：鍋爐壓力（X3）與工時數(shù)（Y）之間有正線性關(guān)系。C、 構(gòu)造1的95%置信區(qū)間并對結(jié)果做出解釋。D、 構(gòu)造3的95%置信區(qū)間。Correlations工時y容量x1工時yPearson Correlation1.82

26、7*Sig. (2-tailed).000N3535容量x1Pearson Correlation.827*1Sig. (2-tailed).000N3535*. Correlation is significant at the 0.01 level (2-tailed).Correlations工時y壓力x2工時yPearson Correlation1.657*Sig. (2-tailed).000N3535壓力x2Pearson Correlation.657*1Sig. (2-tailed).000N3535*. Correlation is significant at the 0

27、.01 level (2-tailed).CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)-3727.2681227.784-3.036.005-6234.737-1219.800容量x1.009.001.9039.491.000.007.011壓力x21.898.661.3882.873.007.5493.247爐類型x33410.1049

28、26.871.5313.679.0011517.1805303.027筒類型x42118.726314.805.3926.730.0001475.8092761.644a. Dependent Variable: 工時y7Cushman & Wakefield 股份有限公司，采集了美國市場上辦公用房的空閑率和租金率的數(shù)據(jù)。對于18個選取的銷售地區(qū)，這些地區(qū)的中心商業(yè)區(qū)的綜合空閑率（%）和平均租金率(美元/平方英尺)的數(shù)據(jù)（The Wall Journal Almanac1988）見文件“辦公用房”。a. 用水平軸表示空閑率，對這些數(shù)據(jù)畫出散點(diǎn)圖。b. 這兩個變量之間顯出什么關(guān)系嗎？c. 求出在

29、辦公用房的綜合空閑率已知時，能用來預(yù)測平均租金率的估計(jì)的回歸方程。d. 在0.05顯著水平下檢驗(yàn)關(guān)系的顯著性。e. 估計(jì)的回歸方程對數(shù)據(jù)的擬合好嗎？請解釋。f. 在一個綜合空閑率是25%的中心商業(yè)區(qū)，預(yù)測該市場的期望租金率。g. 在勞德代爾堡的中心商業(yè)區(qū)，綜合空閑率是11.3%,預(yù)測勞德代爾堡的期望租金率。Correlations綜合空閑平均租金綜合空閑Pearson Correlation1-.659*Sig. (2-tailed).003N1818平均租金Pearson Correlation-.659*1Sig. (2-tailed).003N1818*. Correlation is

30、significant at the 0.01 level (2-tailed).CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)37.0753.52810.510.00029.59644.553綜合空閑-.779.222-.659-3.504.003-1.251-.308a. Dependent Variable: 平均租金Variable

31、s Entered/RemovedbModelVariables EnteredVariables RemovedMethod1綜合空閑a.Entera. All requested variables entered.b. Dependent Variable: 平均租金Model SummarybModelRR SquareAdjusted R SquareStd. Error of the EstimateDurbin-Watson1.659a.434.3994.884742.456a. Predictors: (Constant), 綜合空閑b. Dependent Variable:

32、 平均租金ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression292.9141292.91412.276.003aResidual381.7711623.861Total674.68517a. Predictors: (Constant), 綜合空閑b. Dependent Variable: 平均租金Residuals StatisticsaMinimumMaximumMeanStd. DeviationNPredicted Value19.309932.399825.39174.1509318Std. Predicted Value-

33、1.4651.688.0001.00018Standard Error of Predicted Value1.1572.3081.590.36118Adjusted Predicted Value19.229932.061625.40494.2035218Residual-6.366928.37020.000004.7389018Std. Residual-1.3031.714.000.97018Stud. Residual-1.3421.798-.0011.01618Deleted Residual-6.745069.21847-.013215.1955718Stud. Deleted R

34、esidual-1.3791.949.0131.05218Mahal. Distance.0092.850.944.87318Cooks Distance.000.164.047.04818Centered Leverage Value.001.168.056.05118a. Dependent Variable: 平均租金8PJH&D公司正在決定是否為公司新的文字處理系統(tǒng)簽訂一項(xiàng)維修合同。公司的管理人員認(rèn)為，維修費(fèi)用與該系統(tǒng)的使用時間有關(guān)。采集的每周時間（小時）和面維修費(fèi)用（千美元）的統(tǒng)計(jì)資料見“文字處理系統(tǒng)”。a. 求出年維修費(fèi)用對于每周使用時間的估計(jì)的回歸方程。b. 在0.05顯著水平下

35、， 檢驗(yàn)在（a）中求出關(guān)系的顯著性。c. PJH&D公司預(yù)期每周使用文字處理系統(tǒng)的時間是30小時，求出該公司的年維修費(fèi)用的 95%的預(yù)測區(qū)間。d. 如果維修合同 的費(fèi)用是每年3000美元，你建議簽訂這個合同嗎，為什么？Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.925a.856.8394.2102a. Predictors: (Constant), 使用時間e.f.ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression846.0921846.

36、09247.732.000aResidual141.808817.726Total987.9009a. Predictors: (Constant), 使用時間b. Dependent Variable: 年維修費(fèi)g.CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)10.6753.7102.877.021使用時間.946.137.9256.909.000a. Dependent Variable: 年維修費(fèi)9對于一個較大的人口密集的地區(qū) ，當(dāng)

37、地交通部門想要確定公共汽車的使用時間和年維修費(fèi)用之間是否存在某種關(guān)系。由10輛公共汽車組成一個樣本，采集的數(shù)據(jù)見文件“交通”。a. 利用最小二乘法求出估計(jì)的回歸方程。b. 在=0.05的顯著水平下， 通過檢驗(yàn)是否看出二變量之間存在一個顯著的關(guān)系。c. 最小二乘法回歸線給出了觀測數(shù)據(jù)一個好的擬合嗎？請做出解釋。d. 如果有一輛特定的公共汽車已使用了4年，求出這輛車年維修費(fèi)用的一個95%的預(yù)測區(qū)間。Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.934a.873.85775.498a. Predicto

38、rs: (Constant), 使用時間ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression312050.0001312050.00054.746.000aResidual45600.00085700.000Total357650.0009a. Predictors: (Constant), 使用時間b. Dependent Variable: 年維修費(fèi)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Inte

39、rval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)220.00058.4813.762.00685.143354.857使用時間131.66717.795.9347.399.00090.631172.702a. Dependent Variable: 年維修費(fèi)10美國心臟協(xié)會經(jīng)過10年的研究，得到了與發(fā)生中風(fēng)有關(guān)的年齡、血壓和吸煙的統(tǒng)計(jì)資料。假設(shè)這一研究的部分?jǐn)?shù)據(jù)為文件“中風(fēng)風(fēng)險”。我們將病人在今后10年內(nèi)發(fā)生中風(fēng)的概率（乘100）看作為中風(fēng)風(fēng)險。我們用一個虛擬變量來定義病人是否為吸煙者，1表示是吸煙者，0表示不是吸煙者。a.

40、利用這些數(shù)據(jù)，建立一個中風(fēng)風(fēng)險關(guān)于個人的年齡、血壓和是否吸煙的估計(jì)的回歸方程。b. 在中風(fēng)風(fēng)險的估計(jì)的回歸方程中，吸煙是一個顯著的影響因素嗎？檢驗(yàn)的顯著水平=0.05。對于得到的結(jié)果，請做出解釋。c. Art Speen 是一位血壓為175的68歲的吸煙者，他在今后10年內(nèi)發(fā)生中風(fēng)的概率是多少？對于這位病人，醫(yī)生可以提出什么建議?Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.935a.873.8505.757a. Predictors: (Constant), 血壓, 吸煙者, 年齡ANOVAbM

41、odelSum of SquaresdfMean SquareFSig.1Regression3660.74031220.24736.823.000aResidual530.2101633.138Total4190.95019a. Predictors: (Constant), 血壓, 吸煙者, 年齡b. Dependent Variable: 中風(fēng)風(fēng)險CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLow

42、er BoundUpper Bound1(Constant)-91.75915.223-6.028.000-124.030-59.489年齡1.077.166.6976.488.000.7251.429吸煙者8.7403.001.3022.912.0102.37815.101血壓.252.045.5535.568.000.156.348a. Dependent Variable: 中風(fēng)風(fēng)險11.公路管理部門進(jìn)行一項(xiàng)有關(guān)交通流量和車速 之間關(guān)系的研究 。假設(shè)模型的形式如下：。式中是交通流量（輛/小時）；是車速（英里/小時）。采集數(shù)據(jù)見文件“公路管理”。a. 對于這些數(shù)據(jù)建立一個估計(jì)的回歸方程。b

43、. 在顯著水平為=0.01時，檢驗(yàn)之間的顯著關(guān)系。Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.943a.888.86132.294a. Predictors: (Constant), 車速b. Dependent Variable: 交通流量ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression33223.214133223.21431.856.005aResidual4171.61941042.905Total37394.8335a. P

44、redictors: (Constant), 車速b. Dependent Variable: 交通流量CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)943.04859.38015.882.000778.1821107.914車速8.7141.544.9435.644.0054.42813.001a. Dependent Variable:

45、 交通流量12在對上題做進(jìn)一步分析時 ，統(tǒng)計(jì)學(xué)家建議利用下面曲線形式的估計(jì)的回歸方程。a.利用上題數(shù)據(jù)去估計(jì)這個方程的參數(shù)。b.顯著性水平為時，檢驗(yàn)關(guān)系的顯著性。c.在車速為每小時英里時，預(yù)測每小時的交通流量。解：a.SPSS數(shù)據(jù)如下Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.990a.980.96715.826a. Predictors: (Constant), 車速的平方, 車速ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression366

46、43.405218321.70273.147.003aResidual751.4293250.476Total37394.8335a. Predictors: (Constant), 車速的平方, 車速b. Dependent Variable: 交通流量CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)432.571141.1763.064.055-16.715881.857車速37.4297.8074.0484.794.01712.58262.275車速的平方-.383.104-3.121-3.695.034-.713-.053a. Dependent Variable: 交通流量由上表可知，回歸方程為：y=423.571+38.429x-0.3