《最新应用回归分析-第9章课后习题参考答案.docx》由会员分享，可在线阅读，更多相关《最新应用回归分析-第9章课后习题参考答案.docx（12页珍藏版）》请在三一文库上搜索。
1、 第 9 章 含定性变量的回归模型答：假如这个含有季节定性自变量的回归模型为：baaamt011tkkt11t22t33ttxiiabLLLLLL10ab2=a3当某自变量 x 对其余 p-1 个自变量的复判定系数 超过一定界限时，SPSSR 2jj2j而采取设虚拟变量的方法建立回归模型？ x 则表 9.5中数据转换成以下数据：建立回归方程01122Model Summ aryModel1a.Predictors: (Constant), 公 司 类型 , x1ANOVAbModel1dfF.000a176.387a.b. BBetat(Constant)x1-.102.009公 司类 型-8
2、.0551.459a.Dependent Variable: y12则回归方程为：y= 33.8740.102x + 8.055x12点，用折线回归拟合这个数据。解：由散点图 9(见下图)可看出在 1995年（t=16）有折点，考虑由两段构成的分段线性回归，这可以通过引入一个 0-1型虚拟自变量实现。由散点图可知该折点为 t=16，则引入虚拟自变量 x， tx = t -16,t 16，说明拟合优度较好。R = 0.9802检验。因此，折线方程成立。方差分析表 Model1F.009BBetat(Constant)5.183.055.106.049.005.012106.303t.589.45
3、011.8599.065.000.000x 不害怕011 3389 14626327 18487 196274373180370其中，p 是根据（9.44）式计算的。i 先对 P 进行逻辑变换，令)ibep = + x + x +i0iModel19.459.728Predictors: (Constant), x2, x1Dependent Variable: ppiBBetat(Constant)x1x2a.Dependent Variable: ppixx12则还原后 logistic 回归方程为：exp( -0.144 - 0.006x - 0.136x )121+ exp( -0.1
4、44 - 0.006x - 0.136x )12权重：= n p (1- p )iiii ANOVAb,cFSig.037aRegressionResidualTotal2131512.67621.069Coe fficientsa,bUnstandardizedCoefficientsStandardizedCoefficientsStd. ErrorBetat(Constant).309.005.116.472x1x2.002.086.398.697.013-.331-.617-2.858Dependent Variable: ppiWeighted Least Squares Regre
5、ssion - Weighted by w i由输出结果得到回归方程： p =0.146 0.002x 0.331x-+12exp( 0.146 + 0.002x - 0.331x )还原后的回归方程： p =121+ exp( 0.146 + 0.002x - 0.331x )1211系数没有通过检验，不显著；2211110,x 220,x 370,x 531111 ,x1,x =22220,x 00,x 10,x 22223222 除了 x 外，其它自变量对应的回归系数都没通过检验。12ANOVAbModel1F4.7432.4725.277.480Bt(Constant)x2Depend
6、ent Variable: ppiSum ofSquaresdfFSig.4.7432.472.106a.051b.027c.4801.549.4483.4594.8355.3742.137.4425.74610.020 Bt(Constant)x2.155.490.490.490.326.150.410.410.235.407.407x11x121.273.969x1323(Constant)x2-.934-.1361.163.859x12x13(Constant)x12x13a.Dependent Variable: ppi后退法的过程中剔除了 x , x ，留下了 x , x ，但是 x 对应的回归系数未通过检2121313验，将其剔除，最后留下了 x ；而且回归方程显著，12SquaresFSig.106a1.0082343.175.962.058b.029c.010d4.435.9388.238.916Dependent Variable: ppif.Weighted Least Squares Regression - Weighted by w i BBetatx11x12x132.510x12x1334.713x12.915-.625-2.998a.b.-2Model Summ aryAdjustedR1234a.b.c.d.