回歸分析課程設(shè)計-資料下載頁
2025-06-06 19:39本頁面
【正文】 a 殘差 7 總計 9 a. 預(yù)測變量 : (常量 ), x2, x1。 b. 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) t Sig. B 標(biāo)準(zhǔn) 誤差 試用版 1 (常量 ) .020 x1 .479 .037 x2 .676 .008 a. 因變量 : y 實(shí)驗(yàn)分析： R=，決定系數(shù) 2R =，由決定系數(shù)看回歸方程高度顯著。 2. 由方差分析表可以知道， F=， P值 =，表明回歸方程高度顯 著，說明 x1,x2整體上對 y有顯著的線性影響。 驗(yàn)，自變量 x1,x2 對 y 有影響，其中 x1 的 P 值 =最大。 4。 標(biāo)準(zhǔn)化回歸方程為 ： 124 5 9 . 6 2 4 4 . 6 7 6 8 . 9 7 1y x x? ? ? ? ? 綜上所訴，這個回歸模型即通過了方程顯著性檢驗(yàn)，也通過了回歸系數(shù)顯著行檢驗(yàn)，所以次模型是有效的 （ 6） 系數(shù) a 模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)系數(shù) t Sig. 共線性統(tǒng)計量 B 標(biāo)準(zhǔn) 誤差 試用版 容差 VIF 1 (常量 ) .096 x1 .385 .100 .825 x2 .535 .049 .687 x3 .277 .284 .586 a. 因變量 : y 從上圖可知，次模型中，自變量 自變量 x1,x2,x3 的多重共線性的 VIF 統(tǒng)計量的值都很小，小于 10，說明建立的回歸模型不存在多重共線性問題。 (7) 殘差統(tǒng)計量 a 極小值 極大值 均值 標(biāo)準(zhǔn) 偏差 N 預(yù)測值 10 標(biāo)準(zhǔn) 預(yù)測值 .000 10 預(yù)測值的標(biāo)準(zhǔn)誤差 10 調(diào)整的預(yù)測值 10 殘差 .00000 10 標(biāo)準(zhǔn) 殘差 .000 .816 10 Student 化 殘差 10 已刪除的殘差 10 Student 化 已刪除的殘差 10 Mahal。 距離 .894 10 Cook 的距離 .000 .486 .976 10 居中杠桿值 .099 .642 .300 .173 10 a. 因變量 : y 由上表可知，標(biāo)準(zhǔn)化和學(xué)生化的殘差絕對值都下于 3，證明此模型中不存在異常值 上表是列出了模型的殘差，預(yù)測值和預(yù) 測的置信區(qū)間 設(shè)計體會與建議： 通過課程設(shè)計，使我深深體會到，干任何事都必須耐心，細(xì)致．課程設(shè)計過程中，許多計算有時不免令我感到有些心煩意亂：有 幾 次因?yàn)椴?完全理解 ，只能重來．說實(shí)話，課程設(shè)計真的有點(diǎn)累．然而，當(dāng)我一著手清理自己的設(shè)計成果，漫漫回味這 兩 周的心路歷程，一種少有的成功喜悅即刻使倦意頓消 。 短短 兩 周 的 課程設(shè)計，使我發(fā)現(xiàn)了自己所掌握的知識是真正如此的缺乏，自己綜合應(yīng)用所學(xué)的專業(yè)知識能力是如此的不足，幾年來的學(xué)習(xí)了那么多的課程，今天才知道自己并不會用． 經(jīng)過這次的回歸分析的課 程設(shè)計，我個人也得到了不少的收獲，一方面加深了我對課本理論的知識，另一方面也提高了實(shí)驗(yàn)操作能力。做實(shí)驗(yàn)，必須要弄懂實(shí)驗(yàn)的原理，在這里，我深深的體會到哲學(xué)上理論對時間的指導(dǎo)作用，而且體會到了實(shí)驗(yàn)的操作能力靠自己親自動手，親自動腦，親自去請教別人才能提高的。 設(shè)計成績： 教師簽名： 年 月 日
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1