影響成品鋼材需求量的回歸分析--多元線性回歸分析(eviews論文)-資料下載頁
2025-06-02 22:42本頁面
【正文】 表明 8 個自變量整體對因變量 y 產(chǎn)生顯著線性影響的判斷所犯錯誤的概率僅為。說明 87654321 ,, xxxxxxxx 整體上對 y 有高度顯著的線性影響。 表中第二列是我們的回歸方程參數(shù)估計值，由此可以得到 y 對 8個自變量的線性回歸方程為： 4321 6 5 3 3 6 5 3 4 91 2 4 8 8 2 1 8 1 8 4 8 1? xxxxy ?????? 8765 3 9 3 9 6 2 0 1 2 8 1 3 7 0 3 0 5 xxxx ???? 從回歸方程中可以看到， 865421 xxxxxx 、、 對成品鋼材需求量起正影響， 73 xx、 對成品鋼 材需求量起負影響。從實際社會生活來看，原煤生產(chǎn)水平和居民的消費水平提高，都會促進成品鋼材的需求量，應(yīng)該和成品鋼材的需求量成正相關(guān)，這與定性分析的結(jié)果不一致。為此，我們對它進行更深層次的分析。 F 檢驗 Fstatistic Prob(Fstatistic) 分析：從表中結(jié)果可以看出， Prob(Fstatistic)即相伴概率 P 值，由?F ， P 值 =，可知此回歸方程拒絕零假設(shè)，即做出 8 個自變量整體對因變量 y產(chǎn)生顯著線性影響的判斷所犯錯誤的概率僅為 ，回歸方程通過了 F 檢驗。 T 檢驗 Variable tStatistic Prob. C X1 X2 X3 X4 X5 X6 X7 X8 分析：通過看上面的 T檢驗表可以發(fā)現(xiàn)，在顯著性水平 ?? 時，只有 , 74xx的 Prob（收尾概率）小于 ，通過了顯著性檢驗。 [鍵入文字 ] 8 1 異方差性的檢驗 1 殘差圖示檢驗 我們分別以回歸標準化殘差和因變量 y 來繪制殘差圖分析模型是否存在異方差。 15 0 10 0 5005010 015 01, 9 75 1, 9 80 1, 9 85 1, 9 90 1, 9 95 2, 0 00TRESID 分析：從殘差的散點圖上我們可以看出，回歸的標準化殘差隨因變量 y的表變化并沒有明顯的規(guī)律性分布，殘差圖上的點都是隨機散布的，無任何規(guī)律，因此我們可以初步判定回歸模型不存在異方差。 結(jié)束語：以上便是本次數(shù)據(jù)分析，不足之處望老師見諒。
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1