回归分析练习题及参考答案
应用回归分析课后习题参考答案
第4章违背根本假设的情况思考及练习参考答案4.1 试举例说明产生异方差的原因。
答：例：截面资料下研究居民家庭的储蓄行为Y i=β0+β1X i+εi其中：Y i表示第i个家庭的储蓄额，X i表示第i个家庭的可支配收入。
由于高收入家庭储蓄额的差异较大，低收入家庭的储蓄额那么更有规律性，差异较小，所以εi的方差呈现单调递增型变化。
例4.2：以某一行业的企业为样本建立企业生产函数模型Y i=A iβ1K iβ2L iβ3eεi被解释变量：产出量Y，解释变量：资本K、劳动L、技术A，那么每个企业所处的外部环境对产出量的影响被包含在随机误差项中。
由于每个企业所处的外部环境对产出量的影响程度不同，造成了随机误差项的异方差性。
这时，随机误差项ε的方差并不随某一个解释变量观测值的变化而呈规律性变化，呈现复杂型。
4.2 异方差带来的后果有哪些？答：回归模型一旦出现异方差性，如果仍采用OLS估计模型参数，会产生以下不良后果：1、参数估计量非有效2、变量的显著性检验失去意义3、回归方程的应用效果极不理想总的来说，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。
4.3 简述用加权最小二乘法消除一元线性回归中异方差性的思想及方法。
答：普通最小二乘估计就是寻找参数的估计值使离差平方和达极小。
其中每个平方项的权数一样，是普通最小二乘回归参数估计方法。
在误差项等方差不相关的条件下，普通最小二乘估计是回归参数的最小方差线性无偏估计。
然而在异方差的条件下，平方和中的每一项的地位是不一样的，误差项的方差大的项，在残差平方和中的取值就偏大，作用就大，因而普通最小二乘估计的回归线就被拉向方差大的项，方差大的项的拟合程度就好，而方差小的项的拟合程度就差。
由OLS 求出的仍然是的无偏估计，但不再是最小方差线性无偏估计。
所以就是：对较大的残差平方赋予较小的权数，对较小的残差平方赋予较大的权数。
第七章回归与相关分析练习及答案
第七章回归与相关分析一、填空题1．现象之间的相关关系按相关的程度分为、和；按相关的形式分为和；按影响因素的多少分为和。
2．两个相关现象之间，当一个现象的数量由小变大，另一个现象的数量，这种相关称为正相关；当一个现象的数量由小变大，另一个现象的数量，这种相关称为负相关。
3．相关系数的取值X围是。
4．完全相关即是关系，其相关系数为。
5．相关系数，用于反映条件下，两变量相关关系的密切程度和方向的统计指标。
6．直线相关系数等于零，说明两变量之间；直线相关系数等1，说明两变量之间；直线相关系数等于—1，说明两变量之间。
7．对现象之间变量的研究，统计是从两个方面进行的，一方面是研究变量之间关系的，这种研究称为相关关系；另一方面是研究关于自变量和因变量之间的变动关系，用数学方程式表达，称为。
8．回归方程y=a+bx中的参数a是，b是。
在统计中估计待定参数的常用方法是。
9. 分析要确定哪个是自变量哪个是因变量，在这点上它与不同。
10．求两个变量之间非线性关系的回归线比较复杂，在许多情况下，非线性回归问题可以通过化成来解决。
11．用来说明回归方程代表性大小的统计分析指标是。
12．判断一条回归直线与样本观测值拟合程度好坏的指标是。
二、单项选择题1．下面的函数关系是( )A销售人员测验成绩与销售额大小的关系 B圆周的长度决定于它的半径C家庭的收入和消费的关系 D数学成绩与统计学成绩的关系2．相关系数r的取值X围( )A -∞<r<+∞B -1≤r≤+1C -1<r<+1D 0≤r≤+13．年劳动生产率z(干元)和工人工资y=10+70x，这意味着年劳动生产率每提高1千元时，工人工资平均( )A增加70元 B减少70元 C增加80元 D减少80元4．若要证明两变量之间线性相关程度是高的，则计算出的相关系数应接近于( )A+1 B 0 C 0．5 D [1]5．回归系数和相关系数的符号是一致的，其符号均可用来判断现象( ) A线性相关还是非线性相关 B正相关还是负相关C完全相关还是不完全相关 D单相关还是复相关6．某校经济管理类的学生学习统计学的时间(x)与考试成绩(y)之间建=a+b x。
回归分析练习试题和参考答案解析
1 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据：求：(1)人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。
(2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。
(3)求出估计的回归方程，并解释回归系数的实际意义。
(4)计算判定系数，并解释其意义。
α=)。
(5)检验回归方程线性关系的显著性(0.05(6)如果某地区的人均GDP为5000元，预测其人均消费水平。
(7)求人均GDP为5000元时，人均消费水平95％的置信区间和预测区间。
解：（1）可能存在线性关系。
（2）相关系数：系数a模型非标准化系数标准系数t Sig.相关性B标准误差试用版零阶偏部分1(常量).003人均GDP.309.008.998.000.998.998.998 a. 因变量: 人均消费水平有很强的线性关系。
（3）回归方程：734.6930.309y x=+系数a模型非标准化系数标准系数t Sig.相关性回归系数的含义：人均GDP没增加1元，人均消费增加元。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型非标准化系数标准化系数t显著性B标准误Beta1（常量）人均GDP（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（4）模型汇总模型R R 方调整 R 方标准估计的误差1.998a.996.996a. 预测变量: (常量), 人均GDP。
人均GDP对人均消费的影响达到%。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
模型摘要模型R R 方调整的 R 方估计的标准差1.998(a)%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（5）F检验：Anova b模型平方和df均方F Sig.1回归.6801.680.000a 残差5总计.7146a. 预测变量: (常量), 人均GDP。
(完整版)数学必修三回归分析经典题型(带答案)
数学必修三回归分析经典题型1．一位母亲记录了儿子3～9岁的身高，由此建立的身高与年龄的回归模型为93.7319.7ˆ+=x y用这个模型预测这个孩子10岁时的身高，则正确的叙述是（ ） A.身高一定是145.83cm B.身高在145.83cm 以上 C.身高在145.83cm 以下 D.身高在145.83cm 左右 【答案】D【解析】解：把x=10代入可以得到预测值为145.83，由于回归模型是针对3-9岁的孩子的，因此这个仅仅是估计值，只能说左右，不能说在上或者下，没有标准。
选D2．对有线性相关关系的两个变量建立的线性回归方程$y ＝$a＋b $x ，关于回归系数b $，下面叙述正确的是________．①可以小于0；②大于0；③能等于0；④只能小于0. 【答案】①【解析】由b$和r 的公式可知，当r ＝0时，这两变量不具有线性相关关系，但b 能大于0也能小于0.3．对具有线性相关关系的变量x 、y 有观测数据(x i ，y i )(i ＝1,2，…，10)，它们之间的线性回归方程是$y ＝3x ＋20，若101i i x =∑＝18，则101i i y =∑＝________.【答案】254【解析】由101i i x =∑＝18 1.8.因为点在直线$y ＝3x ＋2025.4. 所以101i i y =∑＝25.4×10＝254.4．下表是某厂1～4由散点图可知，用水量其线性回归直线方程是y ＝－0.7x ＋a ，则a 等于________． 【答案】5.252.53.5，∵回归直线方程过定点， ∴3.5＝－0.7×2.5＋a. ∴a ＝5.25.5．由一组样本数据(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )得到线性回归方程$y ＝b$x ＋$a ，那么下列说法正确的是________．①直线$y ＝b$x ＋$a 必经过点(x ，y )； ②直线$y ＝b$x ＋$a 至少经过点(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )中的一个点； ③直线$y ＝b$x ＋$a 的斜率为1221ni ii nii x ynx y xnx==--∑∑；④直线$y ＝b $x ＋$a 和各点(x 1，y 1)，(x 2，y 2)，…，(x n ，y n )的偏差$21()ni i i b a y x =⎡⎤⎣⎦∑$－＋是该坐标平面上的直线与这些点的最小偏差．【答案】①③④【解析】回归直线的斜率为b ，故③正确，回归直线不一定经过样本点，但一定经过样本中心，故①正确，②不正确．6．某数学老师身高176 cm ，他爷爷、父亲和儿子的身高分别是173 cm 、170 cm 和182 cm.因儿子的身高与父亲的身高有关，该老师用线性回归分析的方法预测他孙子的身高为________cm. 【答案】185【解析】设父亲身高为173176，b$＝ $a＝－b $ 176－1×173＝3， ∴$y ＝x ＋3，当x ＝182时，$y ＝185.7．下表是关于宿州市服装机械厂某设备的使用年限（年）和所需要的维修费用y （万元）的几组统计数据：）请根据上表提供的数据，用最小二乘法求出y 关于的线性回归方程；（2）估计使用年限为10年时，维修费用为多少？【答案】解：（1）0.08 1.23yx =+线性回归方程为 （2）估计使用年限为10年时，维修费用为12.38万元. 【解析】(1)先求然后利用公可求出回归直线y ax b =+方程.(2)把x=10代入回归直线方程可得y 的值，就可得所求的值.解：（1906543222222512=++++=∑=i ixΘ又x y 23.108.0+=∴线性回归方程为 （2）把10=x 代入回归方程得到：38.121023.108.0=⨯+=y∴估计使用年限为10年时，维修费用为12.38万元.。
回归分析练习题及参考答案
1 下面是7个地区2000年的人均国内生产总值（GDP）和人均消费水平的统计数据：地区人均GDP/元人均消费水平/元北京辽宁上海江西河南贵州陕西 224601122634547485154442662454973264490115462396220816082035求：(1)人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。
(2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。
(3)求出估计的回归方程，并解释回归系数的实际意义。
(4)计算判定系数，并解释其意义。
(5)检验回归方程线性关系的显著性(0.05α=)。
(6)如果某地区的人均GDP为5000元，预测其人均消费水平。
(7)求人均GDP为5000元时，人均消费水平95％的置信区间和预测区间。
解：（1）可能存在线性关系。
（2）相关系数：（3）回归方程：734.6930.309y x=+回归系数的含义：人均GDP没增加1元，人均消费增加0.309元。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型非标准化系数标准化系数t 显著性B 标准误Beta1 （常量）734.693 139.540 5.265 0.003人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（4）模型汇总模型R R 方调整 R 方标准估计的误差1 .998a.996 .996 247.303a. 预测变量: (常量), 人均GDP。
人均GDP对人均消费的影响达到99.6%。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
回归分析时间序列分析答案
回归分析时间序列分析答案一、单项选择题1、下面的关系中不是相关关系的是(D)A、身高与体重之间的关系B、工资水平与工龄之间的关系C、农作物的单位面积产量与降雨量之间的关系D、圆的面积与半径之间的关系2、具有相关关系的两个变量的特点是(A)A、一个变量的取值不能由另一个变量唯一确定B、一个变量的取值由另一个变量唯一确定C、一个变量的取值增大时另一个变量的取值也一定增大D、一个变量的取值增大时另一个变量的取值肯定变小3、下面的假定中，哪个属于相关分析中的假定(B)A、两个变量之间是非线性关系B、两个变量都是随机变量C、自变量是随机变量，因变量不是随机变量D、一个变量的数值增大，另一个变量的数值也应增大4、如果一个变量的取值完全依赖于另一个变量，各观测点落在一条直线上，则称这两个变量之间为(A)A、完全相关关系B、正线性相关关系C、非线性相关关系D、负线性相关关系5、根据你的判断，下面的相关系数取值哪一个是错误的(C)A、–0.86B、0.78C、1.25D、0x6、某校经济管理类的学生学习统计学的时间()与考试成绩(y)之间建立线性回归方程yx=a+b。
经计算，方程为y=200—0.8x，该方程参数的计算(C)ccA a值是明显不对的B b值是明显不对的C a值和b值都是不对的D a值和b值都是正确的7、在回归分析中，描述因变量y如何依赖于自变量x和误差项ε的方程称为(B)A、回归方程B、回归模型C、估计回归方程D、经验回归方程,，,x，,8、在回归模型y=中，ε反映的是(C)01A、由于x的变化引起的y的线性变化部分B、由于y的变化引起的x的线性变化部分C、除x和y的线性关系之外的随机因素对y的影响D、由于x和y的线性关系对y的影响9、如果两个变量之间存在负相关关系，下列回归方程中哪个肯定有误(B),,A、=25–0.75xB、=–120+0.86x yy,,C、=200–2.5xD、=–34–0.74x yy10、说明回归方程拟合优度的统计量是(C)A、相关系数B、回归系数C、判定系数D、估计标准误差211、判定系数R是说明回归方程拟合度的一个统计量，它的计算公式为(A) SSRSSRSSESSTA、B、C、D、SSTSSESSTSSR12、为了研究居民消费(C)与可支配收入(Y)之间的关系，有人运用回归分析的方法，得到以下方程:在该方程中0.76的含义是(B)LnC,2.36，0.76LnY,A、可支配收入每增加1元，消费支出增加0.76元B、可支配收入每增加1%，消费支出增加0.76%C、可支配收入每增加1元，消费支出增加76%D、可支配收入每增加1%，消费支出增加76%13、年劳动生产率z(千元)和工人工资y=10+70x，这意味着年劳动生产率每提高1千元时，工人工资平均(A)A增加70元B减少70元C增加80元D减少80元14、下列回归方程中哪个肯定有误(A),,A、y=15–0.48x，r=0.65B、y=–15-1.35x，r=-0.81,,C、yy=-25+0.85x，r=0.42D、=120–3.56x，r=-0.96215、若变量x与y之间的相关系数r=0.8，则回归方程的判定系数R为(C)A、0.8B、0.89C、0.64D、0.4016、对具有因果关系的现象进行回归分析时(A)A、只能将原因作为自变量B、只能将结果作为自变量C、二者均可作为自变量D、没有必要区分自变量二、多项选择题1(下列哪些现象之间的关系为相关关系(ACD)A家庭收入与消费支出关系B圆的面积与它的半径关系C广告支出与商品销售额关系D单位产品成本与利润关系E在价格固定情况下，销售量与商品销售额关系2(相关系数表明两个变量之间的(DE)A线性关系B因果关系C变异程度D相关方向E相关的密切程度3、如下的现象属于负相关的有(BCD)。
回归分析练习题及参考答案..讲课讲稿
求：(1)人均GDP 作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。
(2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。
(3)求出估计的回归方程，并解释回归系数的实际意义。
(4)计算判定系数，并解释其意义。
(5)检验回归方程线性关系的显著性(0.05α=)。
(6)如果某地区的人均GDP 为5000元，预测其人均消费水平。
(7)求人均GDP 为5000元时，人均消费水平95％的置信区间和预测区间。
解：（1）可能存在线性关系。
（2）相关系数：（3）回归方程：734.6930.309y x=+回归系数的含义：人均GDP没增加1元，人均消费增加0.309元。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型非标准化系数标准化系数t 显著性B 标准误Beta1 （常量）734.693 139.540 5.265 0.003人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%人均GDP对人均消费的影响达到99.6%。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
模型摘要模型R R 方调整的R 方估计的标准差1 .998(a) 0.996 0.996 247.303a. 预测变量:(常量), 人均GDP（元）。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（5）F检验：回归系数的检验：t检验注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型非标准化系数标准化系数t 显著性B 标准误Beta1 （常量）734.693 139.540 5.265 0.003人均GDP（元）0.309 0.008 0.99836.4920.000a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（6）某地区的人均GDP为5000元，预测其人均消费水平为734.6930.30950002278.693y=+⨯=(元)。
第11章多重线性回归分析思考与练习参考答案
0.674
5
0.795
0.809
1.734
1.715
0.549
0.654
6
0.787
0.779
1.509
1.474
0.782
0.571
7
0.933
0.880
1.695
1.656
0.737
0.803
8
0.799
0.851
1.740
1.777
0.618
0.682
9
0.945
0.876
1.811
三、计算题
为确定老年妇女进行体育锻炼还是增加营养会减缓骨骼损伤，一名研究者用光子吸收法测量了骨骼中无机物含量,对三根骨头主侧和非主侧记录了测量值，结果见教材表11-20。分别用两种桡骨测量结果作为反应变量对其他骨骼测量结果作多重线性回归分析，提出并拟合适当的回归模型，分析残差。
解：答案提示，需要对自变量进行筛选，而且要考虑是否存在多重共线性，如果存在，应进行适当的处理。
5.如何判断、分析自变量间的交互作用？
答：基于专业背景知识，构造可能的交互作用项，并检验交互作用项是否有统计学意义。
6.多重线性回归模型的基本假定有哪些？如何判断资料是否满足这些假定？如果资料不满足假定条件，常用的处理方法有哪些？
答：多重线性回归的前提条件是线性、独立性、正态性和等方差性，可以借助残差分析等方法判断资料是否满足条件。如果资料不满足前提条件，可以采用变量变换和非线性回归等方法处理。
19
0.856
0.786
1.390
1.324
0.578
0.610
20
0.890
0.950
2.187
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
地区人均GDP/元人均消费水平/元22460 11226 34547 4851 5444 2662 4549 7326 4490 11546 2396 2208 1608 2035求：(1)人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。
(2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。
(3)求出估计的回归方程，并解释回归系数的实际意义。
(4)计算判定系数，并解释其意义。
(5)检验回归方程线性关系的显著性(0.05α=)。
(6)如果某地区的人均GDP为5000元，预测其人均消费水平。
(7)求人均GDP为5000元时，人均消费水平95％的置信区间和预测区间。
解：（1）可能存在线性关系。
（2）相关系数：有很强的线性关系。
（3）回归方程：734.6930.309y x=+回归系数的含义：人均GDP没增加1元，人均消费增加0.309元。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型非标准化系数标准化系数t 显著性B 标准误Beta1 （常量）734.693 139.540 5.265 0.003人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（4）模型汇总模型R R 方调整R 方标准估计的误差1 .998a.996 .996 247.303a. 预测变量: (常量), 人均GDP。
人均GDP对人均消费的影响达到99.6%。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
模型摘要模型R R 方调整的R 方估计的标准差1 .998(a) 0.996 0.996 247.303a. 预测变量:(常量), 人均GDP（元）。
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（5）F检验：Anova b模型平方和df 均方 F Sig.1 回归81444968.680 1 81444968.680 1331.692 .000a残差305795.034 5 61159.007总计81750763.714 6a. 预测变量: (常量), 人均GDP。
b. 因变量: 人均消费水平%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。
系数(a)模型非标准化系数标准化系数t 显著性B 标准误Beta1 （常量）734.693 139.540 5.265 0.003人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%（6）某地区的人均GDP为5000元，预测其人均消费水平为734.6930.30950002278.693y=+⨯=(元)。
（7）人均GDP为5000元时，人均消费水平95％的置信区间为[1990.74915，2565.46399]，预测区间为[1580.46315，2975.74999]。
2 从n=20的样本中得到的有关回归结果是：SSR（回归平方和）=60，SSE（误差平方和）=40。
要检验x 与y 之间的线性关系是否显著，即检验假设：01:0H β=。
(1)线性关系检验的统计量F 值是多少? (2)给定显著性水平0.05α=，F α是多少?(3)是拒绝原假设还是不拒绝原假设?(4)假定x 与y 之间是负相关，计算相关系数r 。
(5)检验x 与y 之间的线性关系是否显著?解：（1）SSR 的自由度为k=1；SSE 的自由度为n-k-1=18；因此：F=1SSR k SSE n k --=6014018=27 （2）()1,18F α=()0.051,18F =4.41 （3）拒绝原假设，线性关系显著。
（4），由于是负相关，因此r=-0.7746（5）从F 检验看线性关系显著。
3 随机抽取7家超市，得到其广告费支出和销售额数据如下：求：(1)用广告费支出作自变量x ，销售额作因变量y ，求出估计的回归方程。
(2)检验广告费支出与销售额之间的线性关系是否显著(0.05α=)。
(3)绘制关于x 的残差图，你觉得关于误差项ε的假定被满足了吗? (4)你是选用这个模型，还是另寻找一个更好的模型? 解：（1）系数(a)模型 非标准化系数标准化系数t 显著性B 标准误Beta1（常量）29.399 4.807 6.1160.002 广告费支出（万元）1.5470.4630.8313.3390.021a. 因变量: 销售额（万元）（2）回归直线的F检验：ANOVA(b)模型平方和df 均方 F 显著性1 回归691.723 1 691.723 11.147 .021(a)残差310.277 5 62.055合计1,002.000 6a. 预测变量:(常量), 广告费支出（万元）。
b. 因变量: 销售额（万元）显著。
回归系数的t检验：系数(a)模型非标准化系数标准化系数t 显著性B 标准误Beta1 （常量）29.399 4.807 6.116 0.002广告费支出（万元） 1.547 0.463 0.831 3.339 0.021 a. 因变量: 销售额（万元）显著。
（3）未标准化残差图：标准化残差图：学生氏标准化残差图：看到残差不全相等。
（4）应考虑其他模型。
可考虑对数曲线模型：y=b0+b1ln(x)=22.471+11.576ln(x)。
4 根据下面SPSS输出的回归结果，说明模型中涉及多少个自变量?多少个观察值？写出回归方程，并根据F，s e，R2及调整的2aR的值对模型进行讨论。
模型汇总b模型R R 方调整R 方标准估计的误差1 0.8424070.7096500.630463109.429596系数a模型非标准化系数t Sig.B 标准误差1 (常量) 657.0534 167.459539 3.9236550.002378VAR00002 VAR00003 VAR000045.710311-0.416917-3.4714811.7918360.3221931.4429353.186849-1.293998-2.4058470.0086550.2221740.034870解：自变量3个，观察值15个。
回归方程：ˆy=657.0534+5.710311X1-0.416917X2-3.471481X3拟合优度：判定系数R2=0.70965，调整的2aR=0.630463，说明三个自变量对因变量的影响的比例占到63%。
估计的标准误差yxS=109.429596，说明随即变动程度为109.429596回归方程的检验：F检验的P=0.002724，在显著性为5%的情况下，整个回归方程线性关系显著。
回归系数的检验：1的t检验的P=0.008655，在显著性为5%的情况下，y与X1线性关系显著。
β的t检验的P=0.222174，在显著性为5%的情况下，y与X2线性关系不2显著。
β的t检验的P=0.034870，在显著性为5%的情况下，y与X3线性关系显3著。
因此，可以考虑采用逐步回归去除X2，从新构建线性回归模型。
求：(1)计算y与x1、y与x2之间的相关系数，是否有证据表明销售价格与购进价格、销售价格与销售费用之间存在线性关系?(2)根据上述结果，你认为用购进价格和销售费用来预测销售价格是否有用?α=)。
(3)求回归方程，并检验模型的线性关系是否显著(0.05(4)解释判定系数R2，所得结论与问题(2)中是否一致?(5)计算x1与x2之间的相关系数，所得结果意味着什么?(6)模型中是否存在多重共线性?你对模型有何建议?解：（1）y与x1的相关系数=0.309，y与x2之间的相关系数=0.0012。
对相关性进行检验：相关性销售价格购进价格销售费用销售价格Pearson 相关性 1 0.309 0.001显著性（双侧）0.263 0.997N 15 15 15 购进价格Pearson 相关性0.309 1 -.853(**)显著性（双侧）0.263 0.000N 15 15 15 销售费用Pearson 相关性0.001 -.853(**) 1显著性（双侧）0.997 0.000N 15 15 15 **. 在 .01 水平（双侧）上显著相关。
可以看到，两个相关系数的P值都比较的，总体上线性关系也不现状，因此没有明显的线性相关关系。
（2）意义不大。
（3）回归统计Multiple R0.593684R Square0.35246Adjusted R Square0.244537标准误差69.75121观测值15方差分析df SS MS F Significance F回归分析231778.153915889.08 3.2658420.073722残差1258382.77944865.232总计1490160.9333Coefficients标准误差t Stat P-value Lower 95%Upper95%下限95.0%上限95.0%(常量)375.6018339.4105621.106630.290145-363.911115.114-363.911115.114购进价格x10.5378410.210446742.5557110.02520.0793170.9963650.0793170.996365销售费用x2 1.4571940.667706592.1823860.0496810.0023862.9120010.002386 2.912001从检验结果看，整个方程在5%下，不显著；而回归系数在5%下，均显著，说明回归方程没有多大意义，并且自变量间存在线性相关关系。
（4）从R2看，调整后的R2=24.4%，说明自变量对因变量影响不大，反映情况基本一致。
（5）方程不显著，而回归系数显著，说明可能存在多重共线性。
（6）存在多重共线性，模型不适宜采用线性模型。
6 一家电器销售公司的管理人员认为，每月的销售额是广告费用的函数，并想通过广告费用对月销售额作出估计。
下面是近8个月的销售额与广告费用数据：(1)用电视广告费用作自变量，月销售额作因变量，建立估计的回归方程。
(2)用电视广告费用和报纸广告费用作自变量，月销售额作因变量，建立估计的回归方程。