多元线性回归VIP免费

简要回答题：1.在多元线性回归分析中,F检验和t检验有何不同？答案：在多元线性回归中，由于有多个自变量，F检验与t检验不是等价的。F检验主要是检验因变量同多个自变量的整体线性关系是否显著，在k个自变量中，只要有一个自变量同因变量的线性关系显著，F检验就显著，但这不一定意味着每个自变量同因变量的关系都显著。检验则是对每个回归系数分别进行单独的检验，以判断每个自变量对因变量的影响是否显著。知识点：多元线性回归难易度・]2。在多元线性回归分析中，如果某个回归系数的t检验不显著，是否就意味着这个自变量与因变量之间的线性回归不显著？为什么？当出现这种情况时应如何处理？答案：（1）在多元线性回归分析中，当t检验表明某个回归系数不显著时，也不能断定这个自变量与因变量之间线性关系就不显著。因为当多个自变量之间彼此显著相关时，就可能造成某个或某些回归系数通不过检验，这种情况称为模型中存在多重共线性。（2）当模型中存在多重共线性时，应对自变量有所选择。变量选择的方法主要有向前选择、向后剔除和逐步回归等.知识点:多元线性回归难易度：2计算分析题：1。一家餐饮连锁店拥有多家分店。管理者认为，营业额的多少与各分店的营业面积和服务人员的多少有一定关系，并试图建立一个回归模型，通过营业面积和服务人员的多少来预测营业额•为此，收集到10家分店的营业额（万元）、营业面积（平方米）和服务人员数（人）的数据。经回归得到下面的有关结果（a=0.05）.回归统计MultipleRRSquareAdjustedRSquare标准误差0。91470.83660。789960。7063方差分析dfSSMSFSignificanceF回归2132093。19966046。60017.9220。002残差725796。8013685.257总计9157890.000参数估计和检验Coefficients标准误差tStatP-valueIntercept—115。288110。568—1.0430.332XVariable10.5780。5031.1490。288XVariable23。9350。6995.6280。001（1）指出上述回归中的因变量和自变量。（2）写出多元线性回归方程。（3）分析回归方程的拟合优度。（4）对回归模型的线性关系进行显著性检验。答案：（1）自变量是营业面积和销售人员数，因变量是营业额。（2）多元线性回归方程为:》二-⑴-那+0勺込+3站兀。（3）判定系数=33.66%，表明在营业额的总变差中，有83.66%可由营业额与营业面积和服务人员（2）判定系61514.1768.23，表明在销售价格总变差中，有68.23%可由销售价（3）估计标准误==72337.23=48.86，表示用购进价格和销售费用来预测数之间的线性关系来解释，说明回归方程的拟合程度较高。估计标准误差耳二罚-7°宪,表示用营业面积和服务人员数来预测营业额时，平均的预测误差为60。7036万元。（4）从方差分析表可以看出，Signific曲龙，营业额与营业面积和服务人员数之间的线性模型是显著的.知识点：多元线性回归难易度：22。机抽取的15家超市，对它们销售的同类产品集到销售价格、购进价格和销售费用的有关数据（单位：元）。设销售价格为y、购进价格为可、销售费用为孔，经回归得到下面的有关结果（a=0。05）：方差分析dfSSMSFSignificanceF回归261514。1730757。0912。880。0010残差1228646。762387.23总计1490160。93参数估计和检验Coefficients标准误差tStatP—valueIntercept637。07112。635。660。0001XVariable10。180。082.330。0380XVariable21。590。344.710.0005（1）写出多元线性回归方程，并解释各回归系数的实际意义。（2）计算判定系数丘'，并解释其实际意义。（3）计算估计标准误差吕，并解释其意义。（4）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都有用？请说明理由•答案：（1）多元线性回归方程为：皆⑶站+1〃也。偏回归系数A=o.is表示:在销售费用不变的条件下，购进价格每增加1元，销售价格平均增加0。18元；偏回归系数色=1加表示:在购进价格不变的条件下，销售费用每增加1元，销售价格平均增加1。59元。与购进价格和销售费用之间的线性关系来解释，说明回归方程的拟合程度一般。售价格时，平均的预测误差为48。86元。（4）都有用。因为两个回归系数检验的值均小于0.05,都是显著的。知识点：多元线性回归难易度：33.经济和管理专业的...