1、實(shí) 驗(yàn)（實(shí)訓(xùn)）報(bào) 告項(xiàng) 目 名 稱 一元線性回歸模型 所屬課程名稱 計(jì)量經(jīng)濟(jì)學(xué) 項(xiàng) 目 類 型 驗(yàn)證性實(shí)驗(yàn) 實(shí)驗(yàn)(實(shí)訓(xùn))日期 15年4 月 日 班 級(jí) 學(xué) 號(hào) 姓 名 指導(dǎo)教師 李 杰 浙江財(cái)經(jīng)學(xué)院教務(wù)處制一、實(shí)驗(yàn)（實(shí)訓(xùn)）概述：【目的及要求】目的: 掌握用OLSE估計(jì)一元線性回歸方程并根據(jù)方程進(jìn)行預(yù)測(cè)，掌握擬合度的分析，掌握t檢驗(yàn)與F檢驗(yàn)，會(huì)做相關(guān)系數(shù)的顯著性檢驗(yàn)，會(huì)畫散點(diǎn)圖并通過編輯散點(diǎn)圖掌握畫回歸線、置信區(qū)間的計(jì)算等。要求: 運(yùn)用軟件進(jìn)行一元線性回歸模型的相關(guān)計(jì)算,按具體的題目要求完成實(shí)驗(yàn)報(bào)告。并及時(shí)上傳到給定的FTP！【基本原理】 t 檢驗(yàn), F檢驗(yàn)置信區(qū)間等. 【實(shí)施環(huán)境】（使用的材料

2、、設(shè)備、軟件）R 軟件二、實(shí)驗(yàn)（實(shí)訓(xùn)）內(nèi)容：【項(xiàng)目內(nèi)容】一元線性模型的估計(jì)、回歸系數(shù)和回歸方程的檢驗(yàn)、預(yù)測(cè)、置信區(qū)間的計(jì)算等?！痉桨冈O(shè)計(jì)】【實(shí)驗(yàn)（實(shí)訓(xùn)）過程】（步驟、記錄、數(shù)據(jù)、程序等）附后【結(jié)論】（結(jié)果、分析）附后三、指導(dǎo)教師評(píng)語及成績：評(píng)語：成績： 指導(dǎo)教師簽名：李杰 批閱日期：15年4月實(shí)驗(yàn)題目：一家保險(xiǎn)公司十分關(guān)心其總公司營業(yè)部加班的程度，決定認(rèn)真調(diào)查一下現(xiàn)狀。經(jīng)過10周時(shí)間，收集了每周加班工作時(shí)間的數(shù)據(jù)及簽發(fā)的新保單數(shù)目，x為每周簽發(fā)的新保單數(shù)目，y為每周加班工作時(shí)間（小時(shí)），數(shù)據(jù)如下：xY8253.52151.010704.05502.04801.09203.013504.5325

3、1.56703.012155.01：畫散點(diǎn)圖；2：x與y之間是否大致成線性關(guān)系；3：用最小二乘法估計(jì)回歸方程；4：求回歸標(biāo)準(zhǔn)誤差；5：求回歸系數(shù)的置信度為95的區(qū)間估計(jì)；6：計(jì)算x與y的決定系數(shù)；7：對(duì)回歸方程做方差分析；8：做回歸系數(shù)1的顯著性檢驗(yàn)；9：該公司預(yù)測(cè)下一周簽發(fā)新保單x0=1000,需要的加班時(shí)間是多少？10：分別給出置信水平為95的均值與個(gè)體預(yù)測(cè)區(qū)間；11：請(qǐng)?jiān)谏Ⅻc(diǎn)圖的基礎(chǔ)上畫出回歸線，均值的預(yù)測(cè)區(qū)間圖，個(gè)體的預(yù)測(cè)區(qū)間圖。分析報(bào)告：1：首先，讀取spass數(shù)據(jù)：語言read.spss(d:/huigui.sav)，讀取數(shù)據(jù)$Y$Y 1 3.5 1.0 4.0 2.0 1.0 3

4、.0 4.5 1.5 3.0 5.0$X 1 825 215 1070 550 480 920 1350 325 670 1215首先賦值 dat- read.spss(d:/huigui.sav),然后輸入數(shù)據(jù)plot(dat$Y,dat$X)畫出散點(diǎn)圖2：由散點(diǎn)圖得，xy成線性關(guān)系3：編輯語言lm(dat$Ydat$X)得出以下結(jié)果（注：如果做無截距，則程序?yàn)閘m(dat$Ydat$X-1)）程序如下Call:lm(formula = dat$Y dat$X)Coefficients:(Intercept) dat$X 0. 0. 回歸方程 4：編輯程序lm.reg|t|) (Interc

5、ept) 0. 0. 0.333 0.748 dat$X 0. 0. 8.509 2.79e-05 *-Signif. codes: 0 * 0.001 * 0.01 * 0.05 . 0.1 1 Residual standard error: 0.48 on 8 degrees of freedomMultiple R-squared: 0.9005, Adjusted R-squared: 0.8881 F-statistic: 72.4 on 1 and 8 DF, p-value: 2.795e-05由上述數(shù)據(jù)得：=0.，=0.，sd（）=0.，sd（）=0.Residual sta

6、ndard error: 回歸標(biāo)準(zhǔn)誤差=0.48 5： 置信95的區(qū)間估計(jì)（-0.701，0.973） 置信度為95的區(qū)間估計(jì)（0.0026,0.00456）程序如下confint(lm.reg,level=0.95) 2.5 % 97.5 %(Intercept) -0. 0.dat$X 0. 0.6：決定系數(shù)Multiple R-squared: 0.9005,，快要接近于1了，這個(gè)模型的擬合優(yōu)度高。7：F-statistic: 72.4 on 1 and 8 DF, p-value: 2.795e-05，p0.05,由于方差分析可知檢驗(yàn)是顯著的。說明y與x的方程高度相關(guān)8：t= 8.50

7、9 p=2.79e-05由于P0.05，所以回歸系數(shù)gamma1的檢驗(yàn)是顯著的。9：程序如下x-c(825,215,1070,550,480,920,1350,325,670,1215) y-c(3.5,1.0,4.0,2.0,1.0,3.0,4.5,1.5,3.0,5.0) lm.reg-lm(formula=yx) point-data.frame(x=1000) lm.pred-predict(lm.reg,point,interval=prediction,level=0.95) lm.pred結(jié)果：fit lwr upr1 3. 2.51949 4.。結(jié)論：加班時(shí)間最適合為3.。區(qū)間為2.51949,4.10：均值預(yù)