第11章一元线性回归分析欧阳光明(2021
1(1)散点图(略),产量与生产费用之间正的线性相关关系
(2)920232
0r(3)检验统计量2281
142tt,拒绝原假设,相关系数显著
2(1)散点图(略)
3(1)0ˆ表示当0x时y的期望值
(2)1ˆ表示x每变动一个单位y平均下降0
4(1)%902R(2)1es11
5一家物流公司的管理人员想研究货物的运输距离和运输时间的关系,为此,他抽出了公司最近10个卡车运货记录的随机样本,得到运送距离(单位:km)和运送时间(单位:天)的数据如下:运送距离x825215107055048092013503256701215运送时间y3
0要求:(1)绘制运送距离和运送时间的散点图,判断二者之间的关系形态:(2)计算线性相关系数,说明两个变量之间的关系强度
(3)利用最小二乘法求出估计的回归方程,并解释回归系数的实际意义
解:(1)可能存在线性关系
(2)相关性x运送距离(km)y运送时间(天)x运送距离(km)Pearson相关性1
949(**)显著性(双侧)0
000N1010y运送时间(天)Pearson相关性
949(**)1显著性(双侧)0
000N1010**
01水平(双侧)上显著相关
有很强的线性关系
(3)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)0
748x运送距离(km)0
因变量:y运送时间(天)回归系数的含义:每公里增加0
6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