统计学多元回归分析实例.doc

1、某农场负责人认为早稻收获量（y：单位为kg/公顷）与春季降雨（x1：单位为mm）和春季温度(x2：单位为)有一定的联系，通过7组试验获得了相关的数据。利用Excel得到下面的回归结果（=0.1）：方差分析表变差来源dfSSMSFSignificance F回归6939247.8350.000075残差总计614000000参数估计表Coefficients标准误差t StatP-valueIntercept-0.394336.669-0.001170.999122X Variable 114.924316.400362.3317910.0080095X Variable 2218.447816

2、5.865283.3165850.029472（1） 将方差分析表中的所缺数值补齐。（2）写出早稻收获量与春季降雨量、春季温度的多元线性回归方程，并解释各回归系数的意义。（3）检验回归方程的线性关系是否显著？（4）检验各回归系数是否显著？（5）计算判定系数，并解释它的实际意义。（6）计算估计标准误差Se，并解释它的实际意义。（每个空格为0.5分）变差来源dfSSMSFSignificance F回归（2）(13878495.67)6939247.835（228.44）0.000075残差（4）（121504.33）（30376.08）总计614000000 -3分2、设总体回归模型为Y估计回归

3、方程为，由EXCEL输出结果可知，回归系数的意义指在温度不变的条件下，当降雨量每增加1mm，早稻收获量平均增加14.92kg/公顷；回归系数的意义指在降雨量不变的条件下，当温度增加1，早稻收获量平均增加218.45kg/公顷。 -5分3、由于p值=0.000075=0.05，则拒绝原假设，即表明回归方程的线性关系是显著的。 -2分4、由于各回归系数的P值均小于（0.05），所以各回归系数是显著的。 -2分5、，表示早稻收获量的总变异中有99%的部分可以由降雨量、温度的联合变动来解释。 -4分6、（k为自变量个数），是总体回归模型中随机扰动项的标准差的无偏估计量，用来衡量回归方程拟合程度的分析指标，越大，拟合程度越低；越小，拟合程度越高. -4分