应用回归分析课程设计精编版

……………………………………………………………最新资料推荐…………………………………………………1课程设计报告课程：应用回归分析学号：姓名：班级：12金统教师：周勤江苏师范大学科文学院……………………………………………………………最新资料推荐…………………………………………………2《应用回归分析》课程设计指导书一、课程设计的目的1.加深理解本课程的研究方法、思想精髓，提高解决实际问题的能力，熟练掌握SPSS常用统计软件的应用。2.通过学习达到熟练掌握一元线性回归建模过程，熟悉一元线性回归建模步骤；掌握模型选择，参数估计，模型检验，模型优化和模型预测的方法。3.掌握诊断序列自相关性（或异方差性）的方法，并能给出消除自相关性（或异方差性）的方法。4.能够根据历史数据，对未来走势作出预测；可以处理一些简单的经济问题。二、设计名称：检验1949年-2012年农林牧渔业总产值和农业产值之间的关系。三、设计要求1.数据来源要真实，必须注明数据的出处。2.尽量使用计算机软件分析，说明算法或过程。3.必须利用到应用回归分析的统计知识。4.独立完成，不得有相同或相近的课程设计。四、设计过程1.思考研究课题，准备搜集数据。2.确立课题，利用图书馆、上网等方式方法搜集数据。3.利用机房实验室等学校给予的便利措施开始分析处理数据。4.根据试验结果，写出课程设计报告书。5.对实验设计报告书进行完善，并最终定稿。五、设计细则1.利用的统计学软件主要为SPSS，因为其方便快捷，功能也很强大，界面美观。2.对Word文档进行编辑的时候，有些特殊的数学符号需要利用Mathtype这款小软件进行编辑。3.数据来自较权威机构，增加分析的准确性与可靠性。4.力求主题突出，观点鲜明，叙述简洁明了。六、说明1.数据来源于江苏统计年鉴2013；2.所选取数据可能不会涉及到所学的各种分析方法，本课程设计最后会对此情况作出解释。3.本课程设计中，取显著性水平为=0.05，对于分析中需要用到的数据做加粗处理……………………………………………………………最新资料推荐…………………………………………………3课程设计任务书姓名学号班级12金统课程名称应用回归分析课程性质专业课设计时间2014年5月26日——2014年6月2日设计名称检验1949年-2012年农林牧渔业总产值和农业产值之间的关系。设计要求1.掌握线性回归方程的建立及回归方程的显著性检验的法；并能解决建模中遇到的问题，最终给出预测。2.通过实验加深理解应用回归分析在实践中的应用意义。设计思路与设计过程设计思路：为了对线性回归方程的建立及回归方程的显著性检验进行分析。先对理论部分进行掌握，再搜集数据，然后对数据进行分析处理。设计过程：①先对相关定理和结论进行整理②搜集数据③用统计软件对数据进行处理④对结果进行分析计划与进度5月26日—5月28日：先对相关定理和结论进行整理，并搜集数据；5月29日—5月31日：用统计软件对数据进行处理，调整；6月1日—6月2日：对结果进行分析，定稿。任课教师意见说明……………………………………………………………最新资料推荐…………………………………………………4设计名称：检验1949年-2012年农林牧渔业总产值和农业产值之间的关系。日期：2014年6月1日设计内容：单位（亿元）年份农林牧渔业总产值农业林业畜牧业渔业农林牧渔服务业194922.5919.41…3.020.16195231.8726.140.035.000.70195736.8130.100.225.251.24196240.1534.190.324.481.16196557.2747.020.638.251.37197071.3357.080.8511.761.64197591.6672.171.4715.552.471976100.7182.531.3114.862.01197789.1673.051.2512.901.961978105.8785.171.4816.782.441979145.25114.262.0325.773.191980138.45105.981.9426.653.881981153.62119.902.0027.114.611982188.11145.691.9635.804.661983206.86160.383.3036.666.521984253.82193.284.3347.179.041985288.55201.854.6366.5415.531986332.66235.075.1569.8322.611987380.25257.906.0287.9528.381988497.95310.207.29140.4939.971989522.25325.027.02148.1342.081990580.53362.467.94160.7849.351991580.93354.427.55168.3050.661992673.82411.339.93188.6463.921993875.37518.5514.61236.81105.4019941335.23777.9418.38390.70148.2119951686.78986.1521.42475.67203.5419961693.761062.3923.48368.54239.3519971816.371085.2622.56430.57277.9819981849.201096.8824.16435.51292.6519991837.431095.1326.13413.95302.2220001869.731096.0230.17430.53313.0120011956.101142.6630.76448.51334.1720022011.481165.4936.29456.02353.6820031952.20981.2531.49458.87371.56109.0320042417.631242.4140.16563.44449.47122.15……………………………………………………………最新资料推荐…………………………………………………520052576.981291.0645.27599.14511.86129.6520062718.611416.9154.26544.48543.39159.5720073064.721542.5358.88704.38579.00179.9420083590.641746.8364.92916.46665.75196.6920093816.021948.2070.79873.97719.25203.8120104297.142269.5678.12923.25805.25220.9520115237.452640.9592.811190.501060.44252.7420125808.812966.7299.741226.181235.40280.77（1）画散点图（2）x与y之间是否大致呈线性关系（3）用最小二乘估计求出回归方程（4）求回归标准误差ˆ（5）给出0ˆ与1ˆ的置信度为95%的区间估计（6）计算x与y的决定系数（7）对回归方程作方差分析（8）作回归系数0,1显著性分析（9）做相关系数的显著性检验（10）用线性回归的plots功能绘制标准残差的直方图和正态概率图，检验误差项的正态性假设。设计目的与要求：1.加深理解本课程的研究方法、思想精髓，提高解决实际问题的能力，熟练掌握SPSS常用统计软件的应用。2.通过学习达到熟练掌握一元线性回归建模过程，熟悉一元线性回归建模步骤；掌握模型选择，参数估计，模型检验，模型优化和模型预测的方法。3.掌握诊断序列相关性（或异方差性）的方法，并能给出消除自相关性（或异方差性）的方法。设计环境或器材、原理与说明：设计环境器材：统计实验室、SPSS软件、EXCEL软件等原理与说明：1、一元线性回归模型的一般形式设随机变量y与一般变量x的线性回归模型为y=01x……………………………………………………………最新资料推荐…………………………………………………60称为回归常数，称为回归系数。是随机误差，我们常假定2()0var()E2、F检验对随机变量y是否有明显的影响。为此提出原假设01H0：构造F检验统计量如下/1/(2)SSRFSSEn在正态假设下，当原假设01H0：成立时，F服从自由度为（1,n-2）的F分布。3、t检验t检验是统计推断的一种方法，因此，检验回归系数是否显著，等价于检验假设111:0:0oHH如果接受原假设oH，则x不显著；如果拒绝原假设oH，则x是显著的。在一元线性回归中，回归系数显著性的t检验与回归方程显著性的F检验是等价的。4、拟合优度拟合优度用于检验回归方程对样本观测值的拟合程度。样本决定系数2/rSSRSST,样本决定系数2R的取值在[0,1]区间内，2R越接近1，表明回归拟合的效果越好；2R越接近0，表明回归拟合的效果越差。与F检验相比，2R可以更清楚直观地反映回归拟合的效果，但是并不能作为严格的显著性检验。5、通过画散点图我们可以从中观察出样本变量间是否有线性关系6、用普通最小二乘估计和最大似然估计可以对参数0，1进行估计7、关于残差图：一般认为，如果一个回归模型满足所给出的基本假定，所有残差是在=0附近随机变化，并在变化幅度不大的一条子带内。若e随x的增大而减小，则为异方差。……………………………………………………………最新资料推荐…………………………………………………76、消除异方差：一元加权最小二乘估计法：用自变量的幂函数的倒数形式作为权数对原模型进行加权:1mwixi设计过程（步骤）或程序代码：1.确定模型（1）散点图:图形---旧对话框---散点/点状（2）回归方程：分析---回归---线性2.模型检验：（1）相关系数:分析---相关---双变量3.残差检验：（1）散点图:图形---旧对话框---散点/点状4.模型预测：（1）模型预测：分析—回归—线性—保存—预测—为标准化分析—回归—线性—统计量—保存—预测区间—均值5.消除异方差：分析—回归—权重估计—因变量，自变量，将自变量输入权重变量，确定。设计结果与分析：一，确定模型：一元线性回归是描述两个变量之间统计关系的最简单的回归模型。拿到一组数据，在建立回归模型之前，通常先做出其散点图，直观地判断一下它们之间的数量关系，进而选择合适的理论回归模型。（1）我们以农业产值为横轴，以农林牧渔业总产值为纵轴，做出散点图。图形如下。……………………………………………………………最新资料推荐…………………………………………………8（2）通过散点图我们看出样本数据点(,)iixy大致分别落在一条直线附近。这说明变量x与y之间具有明显的线性关系。进而，我们可以选择一元线性回归模型来拟合此例。（3）我们以农业产值为自变量ix，以农林牧渔业总产值为因变量iy，做线性回归拟合，得到如下模型：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)-107.90224.426-4.417.000-157.196-58.607农业1.967.023.99783.857.0001.9202.015a.因变量:农林牧渔业总产值由回归系数表，可得一元线性回归方程：xy967.1902.107(4)模型汇总b……………………………………………………………最新资料推荐…………………………………………………9模型RR方调整R方标准估计的误差更改统计量R方更改F更改df1df2Sig.F更改1.997a.994.994116.30261.9947031.956142.000a.预测变量:(常量),农业。b.因变量:农林牧渔业总产值由模型汇总表可得回归标准误差：116.30261^（5）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