多元线性回归模型案例及作业汇总Word文件下载.docx
- 文档编号:19079931
- 上传时间:2023-01-03
- 格式:DOCX
- 页数:14
- 大小:636.14KB
多元线性回归模型案例及作业汇总Word文件下载.docx
《多元线性回归模型案例及作业汇总Word文件下载.docx》由会员分享,可在线阅读,更多相关《多元线性回归模型案例及作业汇总Word文件下载.docx(14页珍藏版)》请在冰豆网上搜索。
96.00000
7
1345.170
939.1000
58.00000
23
3046.950
4787.900
8
656.7700
694.9400
31.00000
24
2192.630
3255.290
163.0000
9
370.1800
363.4800
16.00000
25
5364.830
8129.680
244.0000
10
1590.360
2511.990
66.00000
26
4834.680
5260.200
145.0000
11
616.7100
973.7300
27
7549.580
7518.790
138.0000
12
617.9400
516.0100
28.00000
28
867.9100
984.5200
46.00000
13
4429.190
3785.910
29
4611.390
18626.94
218.0000
14
5749.020
8688.030
254.0000
30
170.3000
610.9100
19.00000
15
1781.370
2798.900
83.00000
31
325.5300
1523.190
45.00000
16
1243.070
1808.440
33.00000
设定模型为:
Y=AK认"
(1)利用上述资料,进行回归分析;
(2)回答:
中国2000年的制造业总体呈现规模报酬不变状态吗?
将模型进行双对数变换如下:
InY=\nA+a\nK+
1)进行回归分析:
得到如下回归结果:
DependentVariable:
LOG(¥
)Method:
LeastSquares
Date:
07/03/08Time:
14:
Sample:
131
Includedobservations;
31
Variable
Coeflficient
Std.Error
t-Statistic
Prob.
C
1.153994
0727611
1.586004
0.1240
LOG(K)
0.609236
0.176378
3.454149
0.0018
LOG(L)
0.360796
0.201591
1.789741
0.0843
R-squared
0.809926
Meandependentvar
7.493997
AdjustedR-squared
0796346
S.D.dependentvar
0.942960
S.E.ofregression
0.425538
Akaikeinfocriterion
1.220839
Sumsquaredresid
5.070303
Schwarzcriterion
1.359612
Loglikelihood
-15.92300
F-statistic
59.65501
Durbin-Watsonstat
0.793209
Prob(F-statistic)
0.000000
于是,样本回归方程为:
lnr=1.154+0.609InK+0.361In厶
(1.59)(3.45)(1.79)
R2=0.8099,R=0.7963,F=59.66
从回归结果可以看出,模型的拟合度较好,在显著性水平0.1的条件下,各项系数均通过了t检验。
从F检验可以看出,方程对Y的解释程度较少。
^=0.7963表明,工业总产值对数值的79.6%的变化可以由资产合计对数与职工
10的对数值的变化来解释,但仍有20』%的变化是由其他因素的变化影响的。
从上述回归结果看,&
+p=0.97al,即资产与劳动的产出弹性之和近似为1,表明中国制造业在2000年基本呈现规模报酬不变的状态。
2.表3.3列出了某地区家庭人均鸡肉年消费量Y与家庭月平均收入X,鸡肉价格P1,猪肉价格P2与牛肉价格P3的相关数据。
年份Y/千
X/元
P】/(元/千克)
P?
/(元/千克)
P”(元/千克)
年份
Y/千
克
X/元
Pi/(元/千克)
P"
(元/千克)
1980
2.78
397
4.22
5.07
7.83
1992
4.18
911
3.97
7.91
11.40
1981
2.99
413
3.81
5.20
7.92
1993
4.04
931
5.21
9.54
12.41
1982
2.98
439
4.03
5.40
1994
4.07
1021
4.89
9.42
12.76
1983
3.08
459
3.95
5.53
1995
4.01
1165
5.83
12.35
14.29
1984
3.12
492
3.73
5.47
7.74
1996
4.27
1349
5.79
12.99
14.36
1985
3.33
528
6.37
8.02
1997
4.41
1449
5.67
11.76
13.92
1986
3.56
560
3.93
6.98
8.04
1998
4.67
1575
13.09
16.55
1987
3.64
624
3.78
6.59
8.39
1999
5.06
1759
6.16
12.98
20.33
1988
3.67
666
3.84
6.45
8.55
2000
5.01
5.89
12.80
21.96
1989
717
7.00
9.37
2001
5.17
2258
6.64
14.10
22.16
1990
768
3.86
7.32
10.61
2002
5.29
2478
7.04
16.82
23.26
1991
843
3.98
6.78
10.48
(1)求出该地区关于家庭鸡肉消费需求的如下模型:
In丫=几+AInX+民In斥+0彳山出+A农+11
(2)请分析,鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。
先做回归分析,过程如下:
输出结果如下:
07/03£
)8Time:
15:
32
19802002
Includedobservations:
23
Coefficient
-0.731520
0.296947
-2.463467
0.0241
LOGpQ
0.345257
0.082565
4.181649
0.0006
LOG(P1)
■0.502122
0.109891
-4.569294
0.0002
LOG(P2)
0.146868
0.099006
1.483420
0.1553
LOG(P3)
0.087185
0.099852
0.873137
0.3941
0.982474
1.361301
0.978579
0.187659
S.E.ofreqression
0.027465
-4.162123
0.013578
-3.915276
52.86441
252.2633
1.824820
所以,回归方程为:
InY=-0.7315+0.3463InX-0.502lln/>
+0.1469In£
+0.0872InP、
(-2.463)(4.182)(-4.569)(1.483)(0.873)
由上述回归结果可以知道,鸡肉消费需求受家庭收入水平和鸡肉价格的影响,
而牛肉价格和猪肉价格对鸡肉消费需求的影响并不显著。
验证猪肉价格和鸡肉价格是否有影响,可以通过赤池准则(AIC)和施瓦茨准则
(SC)o若AIC值或SC值减少了,就应该去掉该解释变量。
去掉猪肉价格P2与牛肉价格P3重新进行回归分析,结果如下:
Coefficient
-1.125797
0.088420
-12.73237
0.0000
LOG(X)
0.451547
0.024554
18.38966
-0.372735
0.063104
-5.906668
0.980287
0.978316
S・D.dependentvar
S・E.ofregression
0.027634
-4.218445
0.015273
-4.070337
51.51212
497.2843
1.877706
通过比较可以看出,AIC值和SC值都变小了,所以应该去掉猪肉价格P2与牛肉价格P3这两个解释变量。
所以该地区猪肉与牛肉价格确实对家庭的鸡肉消费不产生显著影响。
3.某硫酸厂生产的硫酸的透明度指标一直达不到优质要求,经分析透明度低与硫酸中金属杂质的含量太高有关。
影响透明度的主要金属杂质是铁、钙、铅.镁等。
通过正交试验的方法发现铁是影响硫酸透明度的最主要原因。
测虽了47组样本值,数据见表3.4。
表3.4硫酸透明度y与铁杂质含量x数据
序数
X
Y
序数X
190
60
50
41
34
180
61
52
35
140
63
36
150
64
40
37
120
65
39
110
69
81
74
42
100
33
80
76
43
79
85
48
68
87
49
38
89
99
70
53
54
44
56
45
122
46
154
58
47
210
1.通过线性化的方式估计非线性模型。
(1)建立倒数模型,在EquationSpecification(方程设定)框中输入
得到输出结果为
®
ETie・s:
一[Equation:
UUTITLEDlorkfile:
CASE2:
:
Caxe2a\]
FileEditObjectViewProcQuickOptionsWindowHelp
Vie剧[Proc][Objeut][print:
]|N«
ame][Frexe][Estimate『Fore■:
吕stS®
sResids]
1/Y
Method:
06/29/08Time:
19:
147
Ineludedobservations:
47
Std.Errort-Statistic
0.069277
0.00373018.57095
1/X
-2.372132
0.198608-11.94979
0.760380
0.027578
0.755055
0.018266
0.009040
-6.532609
0.003678
-6.453879
155.5163
142.7975
1.095271
所以倒数表达式为:
l/y=0.069-2.37(1/x)
io
(18.57)(-11.95)
R2=0.76,F=14\DW=\.095
(2)建立指数函数
方程设定为:
得到输出结果为:
LOG(Y)Method:
LeastSquaresDate:
06/29;
DSTime:
21Sample:
1.993733
0.09075521.96822
104.5195
4.82943121.64219
0.912346
3.831065
0.910399
0.734762
S.巳ofregression
0.219940
-0.149302
Sumsquaredresid
2.176813
-0.070573
5.508606
468.3845
1.711547
所以指数表达式为:
Iny=1.99+104.5(1/x)
(22)(21.6)
R2=0.91,F=468.3&
DW=\.7\
把表达式还原为指数形式:
104.5(1>
Iny=ln(7.33)+104.5(1/x)即y=7.33^“
可决系数也由0.76提高到0.91,可见拟合为指数函数比倒数函数更好。
2.直接估计非线性回归模型
得到输出结果为^
Y
Convergenceachievedafter7iterations
Y=C(irEXP(C
(2)*(1/X))
StdError
0
(1)
8.296504
0756108
10.97264
0
(2)
100.0780
3.406214
29.38101
0.956857
60.29787
0.955899
47.36625
S.巳of便gression
9.947076
7.474056
4452.494
7.552785
-173.6403
2.463986
对应的非线性估计结果是:
100.1
(1)
y=8.2965^
(11)(29.4)
R2=0.96
可见可决系数由0.91提髙到0.96,则直接估计结果比线性化之后估计更好。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 多元 线性 回归 模型 案例 作业 汇总