實(shí)訓(xùn)五用Excel進(jìn)行統(tǒng)計(jì)相關(guān)回歸分析(共17頁(yè))

1、實(shí)訓(xùn)五用Excel進(jìn)行統(tǒng)計(jì)相關(guān)分析目的與要求：掌握利用相關(guān)系數(shù)對(duì)相關(guān)關(guān)系進(jìn)行測(cè)定，并且掌握相關(guān)系數(shù)的性質(zhì)，明確相關(guān)分析與回歸分析各自特點(diǎn)以及它們的區(qū)別與聯(lián)系，建立回歸直線方程，計(jì)算估計(jì)標(biāo)準(zhǔn)誤差，理解估計(jì)標(biāo)準(zhǔn)誤差的意義。案例15：用EXCEL進(jìn)行相關(guān)與一元線性回歸分析一、用EXCEL繪制散點(diǎn)圖例1近年來(lái)國(guó)家教育部決定將各高校的后勤社會(huì)化。某從事飲食業(yè)的企業(yè)家認(rèn)為這是一個(gè)很好的投資機(jī)會(huì)，他得到十組高校人數(shù)與周邊飯店的季銷售額的數(shù)據(jù)資料，并想根據(jù)高校的數(shù)據(jù)決策其投資規(guī)模。操作過(guò)程：打開(kāi)Excel工作簿，輸入原始數(shù)據(jù)如圖7-1所示，該表為相關(guān)表。圖7-1從“插入”菜單中選擇“圖表”選項(xiàng)，打開(kāi)“圖表向?qū)?/p>

2、”對(duì)話框如圖7-2所示。在“圖表類型”列表中選擇XY散點(diǎn)圖，單擊“下一步”按鈕。圖7-2在數(shù)據(jù)區(qū)域中輸入B2:C11，選擇“系列產(chǎn)生在列”，如圖7-3所示，單擊“下一步”按鈕。圖7-3打開(kāi)“圖例”頁(yè)面，取消圖例，省略標(biāo)題，如圖7-4所示。圖7-4單擊“完成”按鈕，便得到XY散點(diǎn)圖如圖7-5所示。圖7-5二、計(jì)算相關(guān)系數(shù)用EXCE計(jì)算相關(guān)系數(shù)有兩種方法，一是利用相關(guān)系數(shù)函數(shù)，另一種是利用相關(guān)分析宏。例210個(gè)學(xué)生身高和體重的情況如下：學(xué)生身高（公分）體重（公斤）1234567891017116717715416917516315217216053566449556652475850要求對(duì)身高和體

3、重作相關(guān)和回歸分析。 操作步驟如下：首先把有關(guān)數(shù)據(jù)輸入EXCEL的單元格中，如圖7-6圖7-6 EXCEL數(shù)據(jù)集在EXCEL中，提供了兩個(gè)計(jì)算兩個(gè)變量之間相關(guān)系數(shù)的方法，CORREL函數(shù)和PERSON函數(shù)，這兩個(gè)函數(shù)是等價(jià)的，這里我們介紹用CORREL函數(shù)計(jì)算相關(guān)系數(shù)：第一步：?jiǎn)螕羧我粋€(gè)空白單元格，單擊插入菜單，選擇函數(shù)選項(xiàng)，打開(kāi)粘貼函數(shù)對(duì)話框，在函數(shù)分類中選擇統(tǒng)計(jì)，在函數(shù)名中選擇CORREL，單擊確定后，出現(xiàn)CORREL對(duì)話框。第二步：在array1中輸入B2：B11，在array2中輸入C2：C11，即可在對(duì)話框下方顯示出計(jì)算結(jié)果為0.896。如圖7-7所示：圖7-7 CORRE

4、L對(duì)話框及輸入結(jié)果2.用相關(guān)系數(shù)宏計(jì)算相關(guān)系數(shù)第一步：?jiǎn)螕艄ぞ卟藛?，選擇數(shù)據(jù)分析選項(xiàng)，在數(shù)據(jù)分析選項(xiàng)中選擇相關(guān)系數(shù)，彈出相關(guān)系數(shù)對(duì)話框，如圖7-8所示：圖7-8 相關(guān)系數(shù)對(duì)話框第二步：在輸入?yún)^(qū)域輸入$B$1:$C$1，分組方式選擇逐列，選擇標(biāo)志位于第一行，在輸出區(qū)域中輸入$E$1，單擊確定，得輸出結(jié)果如圖7-9圖7-9 相關(guān)分析輸出結(jié)果在上面的輸出結(jié)果中，身高和體重的自相關(guān)系數(shù)均為1，身高和體重的相關(guān)系數(shù)為0.896，和用函數(shù)計(jì)算的結(jié)果完全相同。 三、用EXCEL進(jìn)行一元線性回歸分析 EXCEL進(jìn)行回歸分析同樣分函數(shù)和回歸分析宏兩種形式，其提供了9個(gè)函數(shù)用于建立回歸模型和預(yù)

5、測(cè)。這9個(gè)函數(shù)分別是：INTERCEPT 返回線性回歸模型的截距SLOPE 返回線性回歸模型的斜率RSQ 返回線性回歸模型的判定系數(shù)FORECAST 返回一元線性回歸模型的預(yù)測(cè)值STEYX 計(jì)算估計(jì)的標(biāo)準(zhǔn)誤TREND 計(jì)算線性回歸線的趨勢(shì)值GROWTH 返回指數(shù)曲線的趨勢(shì)值 LINEST 返回線性回歸模型的參數(shù)LOGEST 返回指數(shù)曲線模型的參數(shù)用函數(shù)進(jìn)行回歸分析比較麻煩，我們這里介紹使用回歸分析宏進(jìn)行回歸分析。第一步：?jiǎn)螕艄ぞ卟藛?，選擇數(shù)據(jù)分析選項(xiàng)，出現(xiàn)數(shù)據(jù)分析對(duì)話框，在分析工具中選擇回歸，如圖7-10 圖7-10 數(shù)據(jù)分析對(duì)話框第二步：?jiǎn)螕舸_定按鈕，彈出回歸對(duì)話框，在Y值輸入?yún)^(qū)域

6、輸入$B$2：$B$11，在X值輸入?yún)^(qū)域輸入$C$2：$C$11，在輸出選項(xiàng)選擇新工作表組，如圖7-11所示：圖7-11回歸對(duì)話框第四步：?jiǎn)螕舸_定按鈕，得回歸分析結(jié)果如圖7-12所示圖7-12 EXCEL回歸分析結(jié)果在上面的輸出結(jié)果中，第一部分為回歸統(tǒng)計(jì)，該部分給出了回歸分析中的一些常用統(tǒng)計(jì)量，Multiple指相關(guān)系數(shù)，R Square指判定系數(shù)，Adjusted指調(diào)整后的判定系數(shù)，標(biāo)準(zhǔn)誤差指估計(jì)的標(biāo)準(zhǔn)誤，觀測(cè)值指樣本容量；第二部分為方差分析，該部分給出了自由度（df），回歸平方和、殘差平方和、總平方和（SS），回歸和殘差的均方（MS），F(xiàn)檢驗(yàn)的顯著性水平（Significance F），

7、p值（F），該部分在主要作用是對(duì)回歸方程的線性關(guān)系進(jìn)行顯著性檢驗(yàn)；第三部分是參數(shù)估計(jì)的有關(guān)內(nèi)容，包括回歸方程的截距（Intercept）、斜率（X Variable 1）Coefficient指系數(shù)，用于檢驗(yàn)的回歸系數(shù)的t統(tǒng)計(jì)量（t stat）、P_值（P-value），以及截距和斜率的置信區(qū)間（Lower 95%和Upper95%）。案例16 多元線性回歸分析我們以中國(guó)民航客運(yùn)量預(yù)測(cè)為例進(jìn)行多元線性回歸分析。第一步確定因變量。我們以預(yù)測(cè)目標(biāo)中國(guó)民航客運(yùn)量，作為因變量。第二步確定自變量。在定性分析的基礎(chǔ)上，我們確定國(guó)內(nèi)生產(chǎn)總值（）、實(shí)際利用外資額（）、民航線里程（）、來(lái)華旅游入境人數(shù)（）為自變

8、量。搜集樣本資料如表7.4.1所示。表7.4.1年份民航客運(yùn)量（萬(wàn)人）y國(guó)內(nèi)生產(chǎn)總值（億元）x1實(shí)際利用外資額（億美元）x2民航線里程（萬(wàn)公里）x3旅游入境人數(shù)（萬(wàn)人）x419833915934.519.8122.91947.71984554717127.0526.021285.219857478964.446.4727.721783.3198699710202.272.5832.432281.91987131011962.584.5238.912690.21988144214928.3102.2637.383169.51989128316909.2100.5947.192450.119901

9、66018547.9102.8950.682746.21991217821617.8115.5455.913335.01992288626638.1192.02383.663811.51993338334634.4389.696.084152.71994403846759.4432.13104.564368.41995511758478.1481.37112.94638.71996555567884.6548.04116.655112.81997563074462.6644.08142.505758.81998575578345.2585.57150.586347.81999609482067

10、.5526.59152.227279.62000672289442.2593.56150.298344.42001752495933.3496.72155.368901.3依據(jù)上述樣本資料,計(jì)算出因變量與每個(gè)自變量的相關(guān)系數(shù)，利用Excel軟件得到下列相關(guān)系數(shù)（見(jiàn)表7.4.2）表7.4.2X1X2X3X4y0.9915570.9549220.984550.965219利用Excel計(jì)算相關(guān)系數(shù)的步驟如下：“工具”“數(shù)據(jù)分析”“相關(guān)系數(shù)”“確定”在“輸入?yún)^(qū)域”輸入y與x1數(shù)字區(qū)域在“輸出區(qū)域” 輸入A1單元格“確定”就得到y(tǒng)與x1之間的相關(guān)系數(shù)0.991557。 其余相關(guān)系數(shù)以此類推。第三步 建

11、立模型，進(jìn)行參數(shù)估計(jì)。由表7.4.2知，自變量國(guó)內(nèi)生產(chǎn)總值、實(shí)際利用外資額、民航線里程、來(lái)華旅游入境人數(shù)分別與因變量y間的簡(jiǎn)單線性相關(guān)系數(shù)都較高，都在0.95以上。不妨我們建立四元線性回歸模型：。依據(jù)表7.4.1中的樣本資料，利用Excel軟件計(jì)算有關(guān)結(jié)果如輸出結(jié)果7.4.3所示（操作步驟如一元線性回歸）。輸出結(jié)果7.4.1回歸統(tǒng)計(jì)Multiple R0.994469R Square0.988968Adjusted R Square0.985816標(biāo)準(zhǔn)誤差282.3387觀測(cè)值19方差分析dfSSMSFSignificance F回歸分析41E+0825011161313.75681.58E-

12、13殘差14111601279715.12總計(jì)181.01E+08Coefficients標(biāo)準(zhǔn)誤差t StatP-valueIntercept-139.555232.7273-0.599650.55832X Variable 10.0363560.0142192.5568060.022814X Variable 21.6114441.4682661.0975150.290935X Variable 37.5153439.558490.7862480.444827X Variable 40.2125190.1426651.4896330.158502第四步 進(jìn)行有關(guān)統(tǒng)計(jì)顯著性檢驗(yàn)從F統(tǒng)計(jì)量角度看

13、，四元線性回歸模型通過(guò)檢驗(yàn)（Significance F1.57571E-130.05）。從t檢驗(yàn)角度看，只有國(guó)內(nèi)生產(chǎn)總值通過(guò)t檢驗(yàn)(P-value0.0228140.05)。不妨我們先剔除統(tǒng)計(jì)量（t Stat）最小的那個(gè)自變量，重新建立回歸模型。因?yàn)?.786248“X Variable 3t Stat”（0.786248）最小，所以我們先剔除自變量民航線里程，重新建立三元線性回歸模型。利用Excel軟件計(jì)算出三元線性回歸模型有關(guān)信息如輸出結(jié)果7.4.2所示。輸出結(jié)果7.4.2回歸統(tǒng)計(jì)Multiple R0.994224R Square0.988481Adjusted R Square0.9

14、86177標(biāo)準(zhǔn)誤差278.7221觀測(cè)值19方差分析dfSSMSFSignificance F回歸分析39999536533331788429.05779.32E-15殘差15116529077686.03總計(jì)181.01E+08Coefficients標(biāo)準(zhǔn)誤差t StatP-valueIntercept-54.3332203.3073-0.267250.792919X Variable 10.0385910.0137542.8057660.013304X Variable 22.4270051.0258482.3658530.03188X Variable 30.2651210.124392

15、2.1313460.05001從F統(tǒng)計(jì)量角度看，三元線性回歸模型通過(guò)檢驗(yàn)（Significance 9.32E-150.05）。從t檢驗(yàn)角度看，國(guó)內(nèi)生產(chǎn)總值通過(guò)t檢驗(yàn)(P-value0.0133040.05)和實(shí)際利用外資額通過(guò)t檢驗(yàn)(P-value0.031880.05)，而來(lái)華旅游入境人數(shù)沒(méi)有通過(guò)t檢驗(yàn)(P-value0.050010.05)，但相差很小。如果我們?cè)偬蕹A旅游入境人數(shù)這個(gè)自變量，重新建立二元線性回歸模型的話會(huì)降低整體模型的優(yōu)良性。（見(jiàn)輸出結(jié)果7.4.3）輸出結(jié)果7.4.3回歸統(tǒng)計(jì)Multiple R0.992468R Square0.984992Adjusted R Squ

16、are0.983116標(biāo)準(zhǔn)誤差308.0371觀測(cè)值19方差分析dfSSMSFSignificance F回歸分析29964246549821233525.05932.57E-15殘差16151819094886.86總計(jì)181.01E+08Coefficients標(biāo)準(zhǔn)誤差t StatP-valueIntercept315.5839117.01662.6969160.015872X Variable 10.0643190.0072858.8289261.51E-07X Variable 21.3822710.9959421.3879030.184192綜上所述，對(duì)于本例我們可以建立下列三元線性

17、回歸模型：式中，代表民航客運(yùn)量；代表國(guó)內(nèi)生產(chǎn)總值；代表實(shí)際利用外資額；代表來(lái)華旅游入境人數(shù)。 第五步 進(jìn)行預(yù)測(cè) 1、點(diǎn)預(yù)測(cè)當(dāng)國(guó)內(nèi)生產(chǎn)總值為100000億元，實(shí)際利用外資額為600億美元，來(lái)華旅游入境人數(shù)9000萬(wàn)人次時(shí)，民航客運(yùn)量為： 7647（萬(wàn)人）2、區(qū)間預(yù)測(cè)（1）個(gè)別值的區(qū)間預(yù)測(cè)若給定了顯著水平0.05，個(gè)別值在95%概率保證下的區(qū)間預(yù)測(cè)為：其中，=278.7221=1.753 =1.173434=0.376948即76471.753×278.7221×1.173434 70748220之間(2)平均值的區(qū)間預(yù)測(cè)均值在95%概率保證下的區(qū)間預(yù)測(cè)為其中，=278.722

18、1=1.753 =0.614即76471.753×278.7221×0.614 73477947之間附：矩陣的運(yùn)算（1）矩陣乘法 按住鼠標(biāo)左鍵拖放選定存放結(jié)果的單元格區(qū)域，輸入計(jì)算公式=MMULT( A,B) 按Ctrl+Shift+Enter復(fù)合鍵確認(rèn)。（2）矩陣轉(zhuǎn)置 按住鼠標(biāo)左鍵拖放選定存放結(jié)果的單元格區(qū)域，輸入計(jì)算公式=TRANSPOSE( A) 按Ctrl+Shift+Enter復(fù)合鍵確認(rèn)（3）逆矩陣 按住鼠標(biāo)左鍵拖放選定存放結(jié)果的單元格區(qū)域，輸入計(jì)算公式=MINVERSE(A ) 按Ctrl+Shift+Enter復(fù)合鍵確認(rèn)案例17 非線性回歸分析非線性回歸模型具

19、體形式很多，由于篇幅所限，在此不一一介紹，僅通過(guò)例題說(shuō)明其應(yīng)用思想。例7.5.1設(shè)有12個(gè)同類企業(yè)的月產(chǎn)量與單位產(chǎn)品成本資料如表7.5.1所示。試配合適當(dāng)?shù)幕貧w模型分析月產(chǎn)量與單位產(chǎn)品成本之間的關(guān)系。表5.1.1編號(hào)產(chǎn)量XLgY單位成本Y1102.2041201602162.1789771513202.0569051144252.1072101285311.929419856361.959041917401.875061758451.880814769511.8195446610561.7781516011601.7853306112651.77815160根據(jù)表7.5.1資料，將月產(chǎn)量與單位

20、產(chǎn)品成本作散點(diǎn)圖如圖7.5.1所示。圖7.5.1由圖7.5.1可以看出月產(chǎn)量與單位產(chǎn)品成本之間可以配合一條指數(shù)曲線：兩邊取對(duì)數(shù)得：利用軟件，進(jìn)行回歸分析運(yùn)行結(jié)果如輸出結(jié)果7.5.1所示。（操作步驟如一元線性回歸）。輸出結(jié)果7.5.1回歸統(tǒng)計(jì)Multiple R0.96097R Square0.923463Adjusted R Square0.91581標(biāo)準(zhǔn)誤差0.045212觀測(cè)值12方差分析dfSSMSFSignificance F回歸分析10.2466310.246630906120.65626.68E-07殘差100.0204410.00204408總計(jì)110.267072Coeffic

21、ients標(biāo)準(zhǔn)誤差t StatP-valueIntercept2.2610830.03150971.75913566.74E-15X Variable 1-0.008310.000756-10.984361156.68E-07由輸出結(jié)果7.5.1知，2.261083 ，-0.00831 ， ， ，F(xiàn)120.6562Significance F6.68E-07-10.98436115P-value6.68E-07對(duì)2.261083-0.00831分別求反對(duì)數(shù)得=182.4246 =0.981051利用軟件求反對(duì)數(shù)的操作步驟如下:點(diǎn)擊粘貼函數(shù)POWER102.261083確定(182.4246)例

22、7.5.2某面粉廠近十一年的面粉銷售利潤(rùn)率、工人勞動(dòng)生產(chǎn)率、單位成本資料如表7.5.2所示。我們知道，勞動(dòng)生產(chǎn)率的提高和單位成本的降低，能使利潤(rùn)增加。因此我們認(rèn)為，利潤(rùn)率與勞動(dòng)生產(chǎn)率成正比，與單位成本成反比。設(shè)利潤(rùn)率為y，勞動(dòng)生產(chǎn)率為x1，單位成本為x2，建立回歸模型為：表7.5.2年份利潤(rùn)率（）y勞動(dòng)生產(chǎn)率（噸人）x1單位成本（元噸）x219921.573669.0719931.974687.1619942.156646.5219951.935057.5319961.613878.9319971.373599.7819981.794868.1219992.225486.2320001.393

23、459.8920011.635048.8320022.276585.94設(shè)，則利用軟件，進(jìn)行回歸分析運(yùn)行結(jié)果如輸出結(jié)果7.5.2所示。由輸出結(jié)果7.5.2知， F179.0624Significance F2.28E-070.05F檢驗(yàn)通過(guò)10.679686P-value0.5158850.05檢驗(yàn)沒(méi)通過(guò)2= 7.88228P-value4.86E-050.05 檢驗(yàn)通過(guò)0.989014輸出結(jié)果7.5.2回歸統(tǒng)計(jì)Multiple R0.989014R Square0.97815Adjusted R Square0.972687標(biāo)準(zhǔn)誤差0.053186觀測(cè)值11方差分析dfSSMSFSignif

24、icance F回歸分析21.0130610.50653179.06242.28E-07殘差80.022630.002829總計(jì)101.035691Coefficients標(biāo)準(zhǔn)誤差t StatP-valueIntercept0.1040770.0945291.1010070.302915X Variable 10.0002270.0003340.6796860.515885X Variable 212.39161.5720847.882284.86E-05根據(jù)上述檢驗(yàn)，兩個(gè)自變量中只有單位成本對(duì)利潤(rùn)率的影響顯著，而勞動(dòng)生產(chǎn)率對(duì)利潤(rùn)率的影響并不顯著。這是因?yàn)閮蓚€(gè)自變量單位成本和勞動(dòng)生產(chǎn)率之間存有

25、多重共線性。不妨我們刪去勞動(dòng)生產(chǎn)率這個(gè)因素，重新建立回歸模型。利用軟件，進(jìn)行回歸分析運(yùn)行結(jié)果如輸出結(jié)果7.5.3所示。輸出結(jié)果7.5.3回歸統(tǒng)計(jì)Multiple R0.988376R Square0.976888Adjusted R Square0.97432標(biāo)準(zhǔn)誤差0.051572觀測(cè)值11方差分析dfSSMSFSignificance F回歸分析11.0117541.011754380.40361.133E-08殘差90.0239370.00266總計(jì)101.035691Coefficients標(biāo)準(zhǔn)誤差t StatP-valueIntercept0.0901870.0894921.0077

26、670.339891X Variable 113.346420.68429319.503941.13E-08由輸出結(jié)果7.5.3知，F(xiàn)380.4036Significance F1.133E-080.0519.50394P-value1.13E-080.050.988376模型統(tǒng)計(jì)顯著性檢驗(yàn)通過(guò)?！緦?shí)訓(xùn)五上機(jī)練習(xí)】1.單位成本與產(chǎn)量的關(guān)系(見(jiàn)表7.1)。 表7.1 鑄鐵件產(chǎn)量及單位成本年 月鑄鐵件產(chǎn)量(噸)單位產(chǎn)品成本(元)上年1月8106702月5477803月9006204月5308005月540780 6月800675 7月8206508月850 620 9月600 735 10月690

27、 720 11月700 715 12月860 610今年1月920 5802月840 630 3月1 000 570 要求:（1）繪制鑄鐵件產(chǎn)量與單位產(chǎn)品成本散點(diǎn)圖，計(jì)算其相關(guān)系數(shù)；（2）擬合回歸方程。2.已知某地區(qū)1978年2003年的國(guó)內(nèi)生產(chǎn)總值GDP與貨運(yùn)周轉(zhuǎn)量的數(shù)據(jù)如表7.2所示。年份GDP(億元)貨運(yùn)周轉(zhuǎn)量（億噸公里）年份GDP(億元)貨運(yùn)周轉(zhuǎn)量（億噸公里）19781979198019811982198319841985198619871988198919905.08.712.016.019.022.025.028.036.040.041.032.034.09.012.014.015

28、.017.020.020.523.530.035.032.024.028.0199119921993199419951996199719981999200020012002200344.047.054.056.556.057.059.063.066.567.070.570.673.032.034.037.040.044.043.543.543.544.045.547.046.052.0要求：（1）繪制散點(diǎn)圖；（2）試對(duì)其進(jìn)行一元線性回歸分析（即計(jì)算相關(guān)系數(shù)、建立回歸方程）；（3）若2005年國(guó)內(nèi)生產(chǎn)總值GDP達(dá)到80億元，試對(duì)其貨運(yùn)周轉(zhuǎn)量做出預(yù)測(cè)（包括點(diǎn)預(yù)測(cè)和區(qū)間預(yù)測(cè)）3.教育經(jīng)費(fèi)支出與學(xué)生成

29、績(jī)的關(guān)系學(xué)生教育達(dá)到的水平與學(xué)生所居住的洲在教育方面的經(jīng)費(fèi)支出多少有關(guān)系嗎？在許多地區(qū)，這個(gè)重要問(wèn)題被納稅人提出；而納稅人又被他們的學(xué)區(qū)請(qǐng)求增加用于教育方面的稅收收入。在這種情況下，為了確定在公立學(xué)校中教育經(jīng)費(fèi)支出和學(xué)生成績(jī)之間是否存在某種關(guān)系，你將被邀請(qǐng)去參加教育經(jīng)費(fèi)支出和學(xué)生學(xué)習(xí)成績(jī)的數(shù)據(jù)分析。美國(guó)聯(lián)邦政府的全國(guó)教育進(jìn)展評(píng)價(jià)（NAEP）計(jì)劃常常被用來(lái)測(cè)量學(xué)生的教育水平。對(duì)于參加NAEP計(jì)劃的35個(gè)洲，表1給出了每名學(xué)生每年的經(jīng)常性教育經(jīng)費(fèi)支出和NAEP測(cè)試綜合分?jǐn)?shù)的統(tǒng)計(jì)數(shù)據(jù)。綜合分?jǐn)?shù)是數(shù)學(xué)、自然科學(xué)和閱讀三門課程1996年（閱讀課是1994年）NAEP測(cè)試分?jǐn)?shù)的總和。參加測(cè)試的是8年級(jí)學(xué)生

30、，只有閱讀課是4年級(jí)學(xué)生，滿分是1300分。對(duì)于未參加NAEP計(jì)劃的13個(gè)洲，表2給出了每名學(xué)生每年的經(jīng)常性教育經(jīng)費(fèi)支出。 表1 參加NAEP計(jì)劃的洲每名學(xué)生每年的經(jīng)常性教育經(jīng)費(fèi)支出和NAEP測(cè)試綜合分?jǐn)?shù)洲序號(hào)教育經(jīng)費(fèi)支出（美元）綜合分?jǐn)?shù)（分）洲序號(hào)教育經(jīng)費(fèi)支出（美元）綜合分?jǐn)?shù)（分）140495811945216292342358220655463834917580215338639455325802244836415430460323477264463777604245128649746636112532806508493461126551565794097614277629657

31、104060614286413658116208615295410660123800618305477661134041618315060665145247625324985667156100625336055667165020626344374671174520627355561675188162628   表2 未參加NAEP計(jì)劃的洲每名學(xué)生每年的經(jīng)常性教育經(jīng)費(fèi)支出洲序號(hào)教育經(jīng)費(fèi)支出（美元）洲序號(hào)教育經(jīng)費(fèi)支出（美元）136028543824067955883426510626944658116391551641265796529713789075387

32、0; 要求:（1）對(duì)這些數(shù)據(jù)做出數(shù)值的和圖示的概述。（2）利用回歸分析研究每名學(xué)生的教育經(jīng)費(fèi)支出和NAEP測(cè)試綜合分?jǐn)?shù)之間的關(guān)系，對(duì)你的調(diào)研結(jié)果進(jìn)行討論。（3）根據(jù)這些數(shù)據(jù)求出估計(jì)的回歸方程，你認(rèn)為能利用它來(lái)估計(jì)未參加NAEP計(jì)劃洲的學(xué)生的綜合分?jǐn)?shù)嗎？（4）假定你只考慮每名學(xué)生的教育經(jīng)費(fèi)支出在4000美元至6000美元之間的洲，對(duì)于這些洲，兩變量之間的關(guān)系與根據(jù)35個(gè)洲的全部數(shù)據(jù)所得出的結(jié)論顯現(xiàn)出任何不同嗎？討論你發(fā)現(xiàn)的結(jié)果，如果將教育經(jīng)費(fèi)支出少于4000美元或者多于6000美元的洲刪除，你是否認(rèn)為刪除是合理的？（5）對(duì)未參加NAEP計(jì)劃洲，求出學(xué)生綜合分?jǐn)?shù)的估計(jì)值。（6）根據(jù)上面的分析，你認(rèn)為學(xué)生的教育水平與洲教育經(jīng)費(fèi)支出的多少相關(guān)嗎？4.發(fā)生車禍次數(shù)與司機(jī)年齡有關(guān)嗎？作為交通安全研究的一部分，美國(guó)交通部采集了每1000個(gè)駕駛執(zhí)照發(fā)生死亡事故的車禍次數(shù)和有駕駛執(zhí)照的司機(jī)中21歲以下者所占比例的數(shù)據(jù)，樣本由42個(gè)城市組成，在一年間采集的