【正文】 W ats onP r edi c tor s : ( C ons tant ) , xa. D epen dent V ar i ab l e: y 1b. 由表 92? 知復(fù)相關(guān)系數(shù) ?R ， x 與 y 的相關(guān)為 ；確定系數(shù) ?R ，說明模型的擬合優(yōu)度非常高；經(jīng)過校正的系數(shù)為 ，也 說明模型的擬合優(yōu)度非常高；誤差的獨立性檢驗WatsonDurbin? 檢驗的值為 ，約等于 2 ，可以說明殘差與自變量之間相互獨立。 把算得的 1y 的值導(dǎo)入 SPSS 窗口，再與原來 x 做最小二乘回歸 ,過程與第一次建立模型時一樣，得到結(jié)果如表 82? 、 92? 、 102? 、 112? 、 122? 、 132? 所示，得到新的散點圖，如圖 42? ，回歸直線圖如圖 52? ?；?X 和上述產(chǎn)生的 Y 的樣本值，對樣本回歸模型進行估計，記錄估計的系數(shù)和方差。 從而得到一組 i? 的隨機數(shù)據(jù)，將新產(chǎn)生的隨機數(shù)代入已建立的模型，此過程在 Eviews 軟件中進行，打開 Eviews 窗口，執(zhí)行 File? New? Workfile，在 Workfile Range 窗口下的 Workfile frequency欄下選擇 Undated or irregular，在 Start date 矩形框中輸入 1， End date 矩形框中輸入 90 ；然后在命令窗口輸入 series x series random series r a n d o mxy ???? * 得到系列 x 、 random 、 1y （即得到 y 的新的樣本值 1y ）。從標準正態(tài)分布中隨機抽取 i? 值，執(zhí)行 Transform? Compute 命令， Compute Variable /Target Variable（目標變量） / 輸入變量名 random/ Type amp。 蒙特卡羅實驗：給定 X 的值，從 i? 的正態(tài)分布中抽取隨機數(shù)，將這些隨機數(shù)和 X 的值代入回歸模型（ 1）中，計算相應(yīng)的 Y 值，這是我們從回歸模型（ 1）中抽取的樣本，再與 X 進行最小二乘估計，產(chǎn)生新的樣本回歸模型，這一過程稱為蒙特卡羅實驗。圖 42? 描繪了標準化預(yù)測變量與標準化殘差的散點圖，圖中各點隨機分布在一條穿過零點的水平直線的兩側(cè)，說明殘差的分布是常數(shù)，從而說明殘差方差齊性。從圖中可以看出，代表殘差值的點分布在對角線兩旁，可以判定殘差是近似服從正態(tài)分布的，從而證明樣本是近似來自正態(tài)分布的總體。橫行依次列出上述各值的最小值、最大值、均值、標準差以及參與計算得觀測量數(shù)目 N 。 ⑥ 殘差統(tǒng)計量表，如表 62? 所示 表 2— 6 R e s i d u a l s S t a t i s t i c sa1 0 2 . 8 0 1 3 2 1 5 . 0 7 9 6 1 5 7 . 7 8 8 9 2 8 . 6 8 7 4 0 90 1 . 9 1 7 1 . 9 9 7 . 0 0 0 1 . 0 0 0 90. 3 3 0 . 7 4 1 . 4 5 3 . 1 1 4 901 0 2 . 5 1 3 9 2 1 5 . 2 6 2 0 1 5 7 . 7 8 6 8 2 8 . 6 9 1 6 4 90 6 . 3 0 3 6 7 1 0 . 1 0 4 3 5 . 0 0 0 0 0 3 . 1 1 3 8 6 90 2 . 0 1 3 3 . 2 2 7 . 0 0 0 . 9 9 4 90 2 . 0 2 5 3 . 2 4 9 . 0 0 0 1 . 0 0 5 90 6 . 3 7 9 4 3 1 0 . 2 4 6 0 3 . 0 0 2 0 4 3 . 1 7 9 5 8 90 2 . 0 6 2 3 . 4 4 4 . 0 0 6 1 . 0 2 0 90. 0 0 1 3 . 9 8 8 . 9 8 9 1 . 0 3 4 90. 0 0 0 . 0 8 0 . 0 1 1 . 0 1 6 90. 0 0 0 . 0 4 5 . 0 1 1 . 0 1 2 90P r e d i c t e d V a lu eS t d . P r e d i c t e d V a l u eS t a n d a r d E r r o r o fP r e d i c t e d V a lu eA d j u s t e d P r e d ic t e d V a lu eR e s i d u a lS t d . R e s i d u a lS t u d . R e s i d u a lD e le t e d R e s id u a lS t u d . D e l e t e d R e s i d u a lM a h a l . D i s t a n c eC o o k 39。 ⑤ 異常值診斷表，如表 52? 所示 表 2— 5 C a s e w i s e D i a g n o s t i c sa3 . 2 2 7 1 8 2 . 0 0 1 7 1 . 8 9 5 7 1 0 . 1 0 4 3 52 . 6 1 0 1 5 2 . 0 0 1 4 3 . 8 2 6 1 8 . 1 7 3 9 3 2 . 0 1 3 1 4 4 . 0 0 1 5 0 . 3 0 3 7 6 . 3 0 3 6 72 . 0 1 4 1 8 9 . 0 0 1 8 2 . 6 9 1 6 6 . 3 0 8 3 6C a s e N u m b e r27425072S t d . R e s i d u a l yP r e d i c t e dV a l u e R e s i d u a lD e p e n d e n t V a r i a b l e : ya . 在此如果標準化殘差的絕對值超過 2 ，就稱為異常值。 表 2— 4 C o e f f i c i e n t sa . 8 4 0 1 . 8 6 5 . 4 5 1 . 6 5 31 . 0 8 0 . 0 1 2 . 9 9 4 8 6 . 4 2 4 . 0 0 0( C o n s t a n t )xM o d e l1B S t d . E r r o rU n s t a n d a r d i z e dC o e f f i c i e n t sB e t aS t a n d a r d i z e dC o e f f i c i e n t st S i g .D e p e n d e n t V a r i a b l e : ya . 表中顯示回歸模型中的回歸系數(shù)是： Constant（常數(shù)項，即回歸直線截距）為 ? ，自變量系數(shù)x 為 ，由此可知該分析的非標準化回歸方程可以寫為： iXY ?????? 0 8 4 ，標準化回歸方程為： XY ?? 。從表 32? 中可以看出，回歸方程是顯著的， )88,1( ?F , ?p ，說明 y （車輪下墊鋼板測得的彎沉值）受 x （車輪下不墊鋼板測得的彎沉值）的顯著影響；剩余平方和（殘差平方和）為 。 表 2— 2 Mo d el S u m m ar yb.994 a .988 .988 Model1R R S q uar eA dj us tedR S q uar eS td. E r r or ofth e E s ti mateD ur bi n W ats onP r edi c tor s : ( C ons tant ) , xa. D epen dent V ar i ab l e: yb. 由表 22? 知復(fù)相關(guān)系數(shù) ?R ， x 與 y 的相關(guān)為 ；確定系數(shù) ?R ，說明模型的擬合優(yōu)度非常高；經(jīng)過校正的系數(shù)為 ，也說明模型的擬合優(yōu)度非常高；誤差的獨立性檢驗WatsonDurbin? 檢驗的值為 ，查 WD? 檢驗表知 ?? WD ，可以說明殘差與自變量之間相互獨立。 最后單擊 OK，輸出結(jié)果及分析如下： ① 自變量進入或剔除情況表表，如表 12? 所示 表 2— 1 V a r i a b l e s E n t e r e d / R e m o v e dbx a . E n t e rM o d e l1V a r i a b l e sE n t e r e dV a r i a b l e sR e m o ve d M e t h o dA l l r e q u e st e d v a r i a b l e s e n t e r e d .a . D e p e n d e n t V a r i a b l e : yb . 表中 12? 的模型中只有一個自變量 x 。 Save / Unstandardized （ 未 經(jīng) 標 準 化 預(yù) 測 值 ）、 Standardized 、 Studentized / Mean 、Individual/ Continue。