实验四实验报告.docx
- 文档编号:24879972
- 上传时间:2023-06-02
- 格式:DOCX
- 页数:10
- 大小:43KB
实验四实验报告.docx
《实验四实验报告.docx》由会员分享,可在线阅读,更多相关《实验四实验报告.docx(10页珍藏版)》请在冰豆网上搜索。
实验四实验报告
浙江万里学院实验报告
课程名称:
统计实验
实验名称:
实验三参数估计
一、实验目的与要求
掌握相关系数的求解方法,能够熟练运用回归分析工具进行一元和多元线性回归分析,了解单因素方差分析工具的使用。
二、实验主要内容
1、相关系数的计算
2、回归分析
三、实验步骤
(一)相关分析
【例10.18】用下表资料对学生身高和体重做相关分析。
学生
身高(cm)
体重(kg)
1
171
53
2
167
56
3
177
64
4
154
49
5
169
55
6
175
66
7
163
52
8
152
47
9
172
58
10
160
50
用Excel进行相关分析有两种方法,一是利用相关系数函数,二是利用相关分析分析工具。
1、利用函数计算相关系数
在Excel中,提供了两个计算两个变量之间相关系数的函数,即CORREL函数和PERSON函数,这两个函数是等价的,这里介绍前者。
操作步骤:
(1)单击任一个空白单元格,单击插入菜单,选择函数选项,打开粘贴函数对话框,在函数分类中选择统计,在函数名中选择CORREL。
(2)单击确定,出现CORREL对话框,在Array1中输入B2:
B11,在Array2中输入C2:
C11,即可在对话框下方显示出计算结果。
0.89603
2、用相关分析工具计算相关系数
操作步骤:
(1)在“工具”菜单中,单击“数据分析”选项,弹出“数据分析”对话框,选择“相关系数”分析工具。
(2)单击“确定”,弹出“相关系数”对话框,在输入区域中输入:
$B$1:
$C$11,分组方式选择“逐列”,选择“标志位于第一行”,在输出区域中任选一单元格(如$B$15)。
(3)单击“确定”,得到输出结果。
身高(cm)
体重(kg)
身高(cm)
1
体重(kg)
0.896028
1
(二)回归分析
1、利用图表拟合分析
【例10.19】某企业希望确定其产品制造过程中的每月成本支出与产量之间的关系,以制定生产计划。
试根据该企业选择历年的产量(吨)和成本支出(千元)的样本,进行一元线性回归分析,求出回归方程和相关系数。
操作过程:
①打开“产量成本”工作表
②从“插入”菜单中选择“图表”选项,打开“图表向导”对话框。
在“图表类型”列表中选择XY散点图,单击“下一步”按钮。
③在数据区域中输入A1:
B15,选择“系列产生在——列”,单击“下一步”按钮。
④自己设置标题等选项。
⑤单击“完成”按钮,便得到XY散点图。
⑥用鼠标激活散点图,把鼠标放在任一数据点上,单击鼠标右键,打开菜单,在菜单栏里选择“填加趋势线”选项,打开趋势线对话框。
⑦打开“类型”页面,选择“线性”选项,Excel将显示一条拟合数据点的直线。
⑧打开“选项”页面,在对话框下部选择“显示公式”和“显示
平方根”选项,单击“确定”按钮,便得到趋势回归图。
专业班级:
姓名:
学号:
实验日期:
一元回归方程为:
,表示当产量每增加1吨时,成本平均增加2.9386千元。
相关系数
【例10.20】测得不同地区某微量元素超标量与平均患病人数资料,试拟合Y关于X的回归方程。
操作步骤:
(1)绘制散点图。
从图中可以看出:
Y与X是曲线相关关系。
(2)在散点图的任一个散点上单击右键,选取快捷菜单中的“添加趋势线”。
(3)在弹出的“添加趋势线”对话框类型中选取“对数”。
(4)在“选项”中选“显示公式”和“显示R平方值”。
(5)单击“确定”,即可得到回归方程为:
Y=7.7771Ln(X)+19.745R2=0.9922表明拟合精度较高。
2、用Excel回归分析工具
回归分析工具是通过对一组观察值使用“最小平方法”进行直线拟合,以分析一个或几个自变量对单个因变量的影响方向与影响程度的方法。
它是Excel中数据分析工具的一个内容。
【例10.21】某地区玻璃销售额与建筑业产值资料,试建立回归模型。
数据见excel表“玻璃销售额”。
(1)操作步骤:
①在“工具”菜单中选择“数据分析”选项,弹出“数据分析”对话框,选择“回归”分析工具。
②单击“确定”,弹出“回归”对话框,在Y值输入区域中输入:
B1:
B18,在X值输入区域中输入:
C1:
C18,选中“标志”复选框,置信度选择95%(默认值为95%,可以根据需要修改),在输出区域中任选一单元格。
③单击“确定”,得到输出结果如图所示。
专业班级:
姓名:
学号:
实验日期:
回归方程为:
Y=181+12.68x
(2)回归分析工具的输出结果解释
Excel的回归分析工具计算简便,但内容丰富,计算结果共分为三个模块:
①回归统计表
回归统计表包括以下几部分内容:
MultipleR(复相关系数R):
R2的平方根,又称为相关系数,它用来衡量变量x和y之间相关程度的大小。
本例中:
R为0.9481,表示二者之间的关系是高度正相关。
RSquare(复测定系数R2):
用来说明用自变量解释因变量变差的程度,以测量同因变量y的拟合效果。
复测定系数为0.8989,表明用自变量可解释因变量变差的89.89%。
标准误差:
又称为标准回归误差或叫估计标准误差,它用来衡量拟合程度的大小,也用于计算与回归有关的其他统计量,此值越小,说明拟合程度越好。
观测值:
是指用于估计回归方程的数据的观测值个数。
②方差分析表
方差分析表的主要作用是通过F检验来判断回归模型的回归效果。
③回归参数表
回归参数表是表中最后一个部分。
回归参数如下:
Intercept:
截距β0
第二行:
β0(截距)和β1(斜率)的各项指标。
第二列:
回归系数β0(截距)和β1(斜率)的值。
第三列:
回归系数的标准误差。
第四列:
根据原假设H0:
β0=β1=0计算的样本统计量t的值。
第五列:
各个回归系数的p值(双侧)。
第六列:
β0和β195%的置信区间的上下限。
故回归方程为:
Y=181+12.68x
从方程检验来看,总体方程拟合优度较高,且通过了F检验,因此回归方程总体效果显著。
从回归系数来看,两个自变量对应的回归系数对应的P值均显著小于0.05,表明这两个自变量对玻璃销售额均有显著影响。
专业班级:
姓名:
学号:
实验日期:
四、实验作业
1、某化妆品公司在10个城市销售一种化妆品,有关销量、成年女性人口的资料如下表:
城市编号
销售量
(万盒)
成年女性人口
(万人)
1
16
27
2
12
18
3
22
37
4
13
20
5
7
8
6
17
26
7
8
10
8
19
33
9
12
19
10
6
5
要求:
计算两者的相关系数,以销售量为因变量
,以成年女性人口数为自变量构造一元线性回归模型并进行一定的分析(用图表法和分析工具法)。
0.995617
销售量(万盒)
成年女性人口(万人)
销售量(万盒)
1
成年女性人口(万人)
0.995617
1
专业班级:
姓名:
学号:
实验日期:
回归方程为:
Y=3.1+0.49x
(2)回归分析工具的输出结果解释
Excel的回归分析工具计算简便,但内容丰富,计算结果共分为三个模块:
①回归统计表
回归统计表包括以下几部分内容:
MultipleR(复相关系数R):
R2的平方根,又称为相关系数,它用来衡量变量x和y之间相关程度的大小。
本例中:
R为0.9956,表示二者之间的关系是高度正相关。
RSquare(复测定系数R2):
用来说明用自变量解释因变量变差的程度,以测量同因变量y的拟合效果。
复测定系数为0.9913,表明用自变量可解释因变量变差的99.13%。
标准误差:
又称为标准回归误差或叫估计标准误差,它用来衡量拟合程度的大小,也用于计算与回归有关的其他统计量,此值越小,说明拟合程度越好。
观测值:
是指用于估计回归方程的数据的观测值个数。
②方差分析表
方差分析表的主要作用是通过F检验来判断回归模型的回归效果。
③回归参数表
回归参数表是表中最后一个部分。
回归参数如下:
Intercept:
截距β0
第二行:
β0(截距)和β1(斜率)的各项指标。
第二列:
回归系数β0(截距)和β1(斜率)的值。
第三列:
回归系数的标准误差。
第四列:
根据原假设H0:
β0=β1=0计算的样本统计量t的值。
第五列:
各个回归系数的p值(双侧)。
第六列:
β0和β195%的置信区间的上下限。
专业班级:
姓名:
学号:
实验日期:
故回归方程为:
Y=3.1+0.49x
从方程检验来看,总体方程拟合优度较高,且通过了F检验,因此回归方程总体效果显著。
从回归系数来看,两个自变量对应的回归系数对应的P值均显著小于0.05,表明这两个自变量对销售量均有显著影响。
五、实验体会
专业班级:
姓名:
学号:
实验日期:
专业班级:
姓名:
学号:
实验日期:
专业班级:
姓名:
学号:
实验日期:
专业班级:
姓名:
学号:
实验日期:
专业班级:
姓名:
学号:
实验日期:
专业班级:
姓名:
学号:
实验日期:
- 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:
- 实验 报告