【正文】 .99888 .587428 .408049.02000 .99866 .548878 .441659.03000 .99847 .531054 .454593.04000 .99827 .520110 .460694.05000 .99803 .512296 .463711.06000 .99776 .506176 .465082.07000 .99745 .501080 .465475.08000 .99710 .496653 .465244.09000 .99672 .492691 .464593.10000 .99629 .489067 .463649 Run MATRIX procedure:****** Ridge Regression with k = ******Mult R .999439RSquare .998878Adj RSqu .998691SE ANOVA table df SS MSRegress +010 +009Residual 20320345 F value Sig F .000000Variables in the Equation B SE(B) Beta B/SE(B)x2 .060219 .587428 x3 .097506 .408049 Constant .000000 END MATRIX 結(jié)合表及圖形可知，用普通最小二乘法得到的回歸方程為 .顯然回歸系數(shù)=。（2） 建立不良貸款y對(duì)4個(gè)自變量的線性回歸方程，所得的回歸系數(shù)是否合理？（3） 分析回歸模型的共線性。（3） 由于條件數(shù)=10，說(shuō)明存在較強(qiáng)的共線性。（7） 用y對(duì)x1 x2 x3 做嶺回歸，選取嶺參數(shù)k=，嶺回歸方程為回歸系數(shù)都能有合理的解釋?zhuān)?B / SE(B) 得近似的t值可知，x1 x2 x3 都是顯著的，所以y對(duì)x1 x2 x3的嶺回歸是可行的。（5） Y對(duì)其余四個(gè)自變量的嶺回歸如上表所示。（6） 對(duì)第4步剔除變量后的回歸方程再做嶺回歸。7. 一家大型商業(yè)銀行有多家分行，近年來(lái)，該銀行的貸款額平穩(wěn)增長(zhǎng)，但不良貸款額也有較大比例的提高，為弄清楚不良貸款形成的原因，希望利用銀行業(yè)務(wù)的有關(guān)數(shù)據(jù)做些定量分析，以便找出控制不良貸款的辦法。像這樣的嶺回歸系數(shù)不穩(wěn)定,震動(dòng)趨于零的自變量，我們也可以予以刪除。X+kI 接近奇異的程度小得多，考慮到變量的量綱問(wèn)題，先對(duì)數(shù)據(jù)作標(biāo)準(zhǔn)化，為了計(jì)算方便，標(biāo)準(zhǔn)化后的設(shè)計(jì)陣仍然用X表示，定義為 ，稱為的嶺回歸估計(jì)，其中k稱為嶺參數(shù)。2. 嶺回歸估計(jì)的定義及其統(tǒng)計(jì)思想是什么？答：一種改進(jìn)最小二乘估計(jì)的方法叫做嶺估計(jì)。d. 因變量: y系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量).000x3.704.498.0502(常量).220.830x3.913.004x5.737.0293(常量).757.464x3.782.001x5.003x4.030a. 因變量: y（4）兩種方法得到的模型是不同的，回退法剔除了x5，保留了x6, x3, x2, x4作為最終模型。c. 預(yù)測(cè)變量: (常量), x3, x5, x4。Anovac模型平方和df均方FSig.1回歸5.002a殘差10總計(jì)152回歸4.000b殘差11總計(jì)15a. 預(yù)測(cè)變量: (常量), x6, x3, x2, x4, x5。d. 因變量: 財(cái)政收入y系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.相關(guān)性B標(biāo)準(zhǔn) 誤差試用版零階偏部分1(常量).000最終消費(fèi)x5.180.004.994.000.994.994.9942(常量).000最終消費(fèi)x5.311.049.000.994.832.135農(nóng)業(yè)x1.154.015.9873(常量).000最終消費(fèi)x5.637.089.000.994.866.112農(nóng)業(yè)x1.124.000.987工業(yè)x2.088.001.992a. 因變量: 財(cái)政收入y回歸方程為:(1)模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.908a.824.7362.000b.000.000a. 預(yù)測(cè)變量: (常量), x6, x3, x2, x4, x5。c. 預(yù)測(cè)變量: (常量), 最終消費(fèi)x5, 農(nóng)業(yè)x1, 工業(yè)x2。c. 預(yù)測(cè)變量: (常量), 受災(zāi)面積x6, 農(nóng)業(yè)x1, 最終消費(fèi)x5, 工業(yè)x2。c. 預(yù)測(cè)變量: (常量), 受災(zāi)面積x6, 農(nóng)業(yè)x1, 最終消費(fèi)x5, 工業(yè)x2。大于3，因而根據(jù)學(xué)生化殘差診斷為第6個(gè)數(shù)據(jù)為異常值，是因變量的異常值。：（1）模型匯總b模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差DurbinWatson1.541a.293.264.745a. 預(yù)測(cè)變量: (常量), x2, x1。殘差圖為：隨t的變化逐次變化并不頻繁的改變符號(hào)，說(shuō)明誤差項(xiàng)存在正相關(guān)。 優(yōu)點(diǎn)：DW檢驗(yàn)有著廣泛的應(yīng)用，對(duì)很多模型能簡(jiǎn)單方便的判斷該模型有無(wú)序列相關(guān)性，當(dāng)DW的值在2左右時(shí)，則無(wú)需查表，即可放心的認(rèn)為模型不存在序列的自相關(guān)性。 （3）容易導(dǎo)致對(duì)t值評(píng)價(jià)過(guò)高，常用的F檢驗(yàn)和t檢驗(yàn)失效。在經(jīng)濟(jì)擴(kuò)張時(shí)期，經(jīng)濟(jì)時(shí)間數(shù)列內(nèi)部有一種內(nèi)在的動(dòng)力，受此影響，時(shí)間序列一直上升到循環(huán)的頂點(diǎn)，在頂點(diǎn)時(shí)刻，經(jīng)濟(jì)收縮隨之開(kāi)始。 解：系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量).442.065x.004.000.839.000a. 因變量: y由SPSS計(jì)算得：=+殘差散點(diǎn)圖為：（2）由殘差散點(diǎn)圖可知存在異方差性再用等級(jí)相關(guān)系數(shù)分析：相關(guān)系數(shù)xtSpearman 的 rhoX相關(guān)系數(shù).318*Sig.（雙側(cè)）..021N5353T相關(guān)系數(shù).318*Sig.（雙側(cè)）.021.N5353*. 在置信度（雙測(cè)）為 時(shí)，相關(guān)性是顯著的。（7）x1:(,) x2:(,) x3:(,)(8)(9) 殘差統(tǒng)計(jì)量a極小值極大值均值標(biāo)準(zhǔn) 偏差N預(yù)測(cè)值10標(biāo)準(zhǔn) 預(yù)測(cè)值.00010預(yù)測(cè)值的標(biāo)準(zhǔn)誤差10調(diào)整的預(yù)測(cè)值10殘差.0000010標(biāo)準(zhǔn) 殘差.000.81610Student 化 殘差10已刪除的殘差10Student 化 已刪除的殘差10Mahal。（3）由于決定系數(shù)R方= R=（4）Anovab模型平方和df均方FSig.1回歸3.015a殘差6總計(jì)9a. 預(yù)測(cè)變量: (常量), x3, x1, x2。(8) 其中 接受原假設(shè)認(rèn)為顯著不為0，因變量y對(duì)自變量x的一元線性回歸成立。（11）當(dāng)廣告費(fèi)=，銷(xiāo)售收入，即（，） 解答：（1） 散點(diǎn)圖為：（2）x與y之間大致呈線性關(guān)系。因而也即：=可得即為：（，） 服從自由度為n2的t分布。 為什么強(qiáng)調(diào)運(yùn)用回歸分析研究經(jīng)濟(jì)問(wèn)題要定性分析和定量分析相結(jié)合？答：在回歸模型的運(yùn)用中，我們還強(qiáng)調(diào)定性分析和定量分析相結(jié)合。 構(gòu)造回歸理論模型的基本依據(jù)是什么？答：選擇模型的數(shù)學(xué)形式的主要依據(jù)是經(jīng)濟(jì)行為理論，根據(jù)變量的樣本數(shù)據(jù)作出解釋變量與被解釋變量之間關(guān)系的散點(diǎn)圖，并將由散點(diǎn)圖顯示的變量間的函數(shù)關(guān)系作為理論模型的數(shù)學(xué)形式。應(yīng)注意的問(wèn)題有：在選擇變量時(shí)要注意與一些專(zhuān)門(mén)領(lǐng)域的專(zhuān)家合作，不要認(rèn)為一個(gè)回歸模型所涉及的變量越多越好，回歸變量的確定工作并不能一次完成，需要反復(fù)試算，最終找出最合適的一些變量。 回歸模型中隨機(jī)誤差項(xiàng)ε的意義是什么？答：ε為隨機(jī)誤差項(xiàng)，正是由于隨機(jī)誤差項(xiàng)的引入，才將變量間的關(guān)系描述為一個(gè)隨機(jī)方程，使得我們可以借助隨機(jī)數(shù)學(xué)方法研究y與x1,x2…..xp的關(guān)系，由于客觀經(jīng)濟(jì)現(xiàn)象是錯(cuò)綜復(fù)雜的，一種經(jīng)濟(jì)現(xiàn)象很難用有限個(gè)因素來(lái)準(zhǔn)確說(shuō)明，隨機(jī)誤差項(xiàng)可以概括表示由于人們的認(rèn)識(shí)以及其他客觀原因的局限而沒(méi)有考慮的種種偶然因素。變量y稱為因變量，處在被解釋的特殊地位。 回歸分析與相關(guān)分析的聯(lián)系與區(qū)別是什么？答：聯(lián)系有回歸分析和相關(guān)分析都是研究變量間關(guān)系的統(tǒng)計(jì)學(xué)課題。而回歸分析不僅可以揭示變量x對(duì)變量y的影響大小，還可以由回歸方程進(jìn)行預(yù)測(cè)和控制。即np. 回歸變量的設(shè)置理論根據(jù)是什么？在回歸變量設(shè)置時(shí)應(yīng)注意哪些問(wèn)題？答：理論判斷某個(gè)變量應(yīng)該作為解釋變量，即便是不顯著的，如果理論上無(wú)法判斷那么可以采用統(tǒng)計(jì)方法來(lái)判斷，解釋變量和被解釋變量存在統(tǒng)計(jì)關(guān)系。而數(shù)據(jù)的整理不僅要把一些變量數(shù)據(jù)進(jìn)行折算差分甚至把數(shù)據(jù)對(duì)數(shù)化，標(biāo)準(zhǔn)化等有時(shí)還需注意剔除個(gè)別特別大或特別小的“野值”。 回歸模型有那幾個(gè)方面的應(yīng)用？答：回歸模型的應(yīng)用方面主要有：經(jīng)濟(jì)變量的因素分