方差与回归分析作业

《方差与回归分析作业》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、方差与回归分析作业题目：（三因素方差分析）某集团为了研究商品销售点所在的地理位置、销售点处的广告和销售点的装潢这三个因素对商品的影响程度，选了三个位置（如市中心黄金地段、非中心的地段、城乡结合部），两种广告形式，两种装潢档次在四个城市进行了搭配试验。表15是销售量的数据，试在显著水平0.05下，检验不同地理位置、不同广告、不同装潢下的销售量是否有显著差异由上表易知sig.b=0.03<0.05,即不同地理环境下的销量有显著差异；同理，由sig.c=0.04<0.05可知不同广告的销量也有显著差异；而从sig.d=0.717>0.05易

2、知不同装潢下的销量没有有显著差异。sig.a*b=0.027<0.05,即不同地理环境和不同广告对销量有显著交互影响；相反的，由sig.a*c=0.301>0.05可知不同广告和不同装潢下的销量对销量没有显著交互影响；同理，由sig.a*d、sig.b*d等均大于0.05，易知它们对应的两个变量对销量没有显著交互影响。回归分析1.某人记录了21天每天使用空调器的时间和使用烘干器的次数，并监视电表以计算出每天的耗电量，数据见表6，试研究耗电量（KWH）与空调器使用的小时数(AC)和烘干器使用次数(DRYER)之间的关系，建立并检验回归模

3、型，诊断是否有异常点。图1系数a模型非标准化系数标准系数tSig.B的95.0%置信区间B标准误差试用版下限上限1(常量)8.1052.4813.267.0042.89313.317AC5.466.281.78319.469.0004.8766.056DRYER13.217.856.62115.436.00011.41815.015a.因变量:KWH图2残差统计量a极小值极大值均值标准偏差N预测值19.037295.111764.857121.5636321残差-7.900806.46714.000003.7334321标准预测值-2

4、.1251.403.0001.00021标准残差-2.0081.643.000.94921a.因变量:KWHAnovab模型平方和df均方FSig.1回归9299.80224649.901300.241.000a残差278.7701815.487总计9578.57120a.预测变量:(常量),DRYER,AC。b.因变量:KWH如图所示：由图1知，此组数据进行回归分析后可知满足线性回归关系，其中常量为8.105，对应的p=0.004<0.05,关系显著，变量AC对应的系数为5.466，变量DRYER对应的系数为13.217，两个变量对

5、应的p均为0，即可令耗电量KWH以y代替，AC与DRYER分别以变量与代替，得到方程：由图2知残差相差不是很大3.一矿脉有13个相邻样本点，人为地设定一原点，现测得各样本点对原点的距离x，与该样本点处某种金属含量y的一组数据如下，画出散点图观测二者的关系，试建立合适的回归模型，如二次曲线、双曲线、对数曲线等。Anovab模型平方和df均方FSig.1回归13.391113.39119.996.001a残差7.36711.670总计20.75812a.预测变量:(常量),VAR00001。b.因变量:VAR00002系数a模型非标准化系

6、数标准系数tSig.B标准误差试用版1(常量)108.254.469230.773.000VAR00001.181.040.8034.472.001a.因变量:VAR00002如图所示：此题所提供的数据进行回归分析后可知满足线性关系，常量为108.254，p为0关系显著，变量的系数为0.181，p=0.001<0.005关系亦显著，可得线性方程