1.6 线性回归 典型例题 产量与生产费用
的线性回归 例 某工业部门进行一项研究， 分析该部门的产量与生产费用之间的关系，
从这个工业 部门内随机抽选了 10 个企业作样本，有如下资料：
（1）计算 x 与 y 的相关系数；
（2）对这两个变量之间是否线性相关进行相关性检验； （ 3）设回归直线方程为 y? bx a ，求系数 a 、b ． 分析：（ 1）使用样本相关系数（即相关系数）计算公式：
n
x i y i nxy
r n i 1 n 即可完成此问：
（ x i 2 nx 2）（ y i 2 ny 2 ）
i 1 i 1
（2）查表行出显著性水平 0.05 与自由度 10－ 2相应的相关系数临界值 r 0.05 ，通过比较 r 与 r 0.05的大小，以检验所得结果，来说明 y 与 x 之间的线性相关是否显著．
（3）此问解法与上两题相同． 解：（ 1）制表：
这些量， 就无需有制表这一步， 直接算出结果就行了制表的目的是为了准确无误而快速有效 地得到 r 和 b 的值．顺便值得一提的是：电脑中的许多应用软件，特别是表格类软件是提供 统计计算函数的，用起来非常方便．
产品产量与单位成本的线性回归分析
例 针对某工厂某产品产量与单位成本的资料进行线性回归分析：
分析： 这是一个实际应用的回归分析问题， 其实就是找出回归方程， 通过回归直线方程 来分析
产品
产
量
与
单
位
成
本
的
关
系
．
解： 设回归直线方程为 y? bx a,
x 777 x
10
77.7,y
116057
165.7;
10
2
x i
i1 10
70903;
i1
2
y i 2
277119;
n
x i y i
i1
132929.
132929 10 77.7 165.7
(70903 10 77.72 )( 277119 10 165.72)
0.806;
即x 与 y 的相关系数 r 0.806；
2） 查表显著性水平 0.05，自由度 10－ 2＝8 相应的相关系数临界值 r 0.05
0.6319 ；
因为， r r 0.05，所以，可以认为 x 与 y 之间具有线性相关关系．
3）
132929 10 77.7 165.7
b 2 0.397; 70903 10 77.72
a 165.7 0.397 77.7 134.8.
说明： 如果会使用含统计的科学计算器，能简单得到
10 10
x i ,
i 1 i 1
y i ,
10
10
i1
2 x i
,
2 y i
, i1
10
x i y i ,
i1
6 n
21 2
n
[ a 1 (k
1)d]
a 1n
k1
n
(k k1
1)d
a 1n (0 12
1)d
na 1
n(n 1) d.
2
n (a k1
k)2
n
(a
2 k1
2ak
k 2) 2
a k1
2ak
1
2
na
2a
n
k 2
2
na
2a (n
1)n
k 2
2
na
a(n 1)n
n
k 2
.
k1
k1
k1
k1
程为： y? 77.36 1.82 x;
由于回归系数 b 为－ 1.82，由回归系数 b 的意义可知：产量每增加 下降 1.82 元．
说明：回归分析， 说明 y 与x 它们之间是一元线性回归关系． 回归方程中的回归系数 b 和 a ，刻画了这 x 与 y 两个量之间的变化趋势， 对它们所反映出的信息进行分析， 就是回归 分析．
对求和符号的理解
例 下列表达式中错误的是（ ）
n
n( n 1)
n
2
2
n
2
A ． [ a 1
(k 1)d]
na 1
B ． ( a k)2
na
a(n 1)n
k 2
k1
2
k1
k1
n
n
C ．
C k C
n
2n
1
k n k k
D ．
Cn k a n k b k
(a b)n
k1
k1 n
分： 符
表示若干个数相
“ ”的下标 k
1
上标 n 的含义是：
k1
n
即
f (k) f (k) f (1) f (2) f (n). k1
解： 分别计算 ABCD 知：
6,y
426 6 71, x i 2
i1 79,
x i y i 1481
i1
所以代入公式
1481 6 21
71
6 79 6
2
21
10 5.5
1.8182, a 71 ( 1.8182)
21
6
77.36，故回归直线方 1000 件，单位成本 n
k1
符号后的表达式中，含 k 的部分分别取 1， 2， 3， n 后所得式子依次加起来，
C n k
C 1n C n 2 C n 3 C n n (C n 0 C n 1 C n 2 C n 3 C n n ) 1 2n 1.
k1 n Cn k a n k b k Cn 1a n 1b Cn 2a n 2b 2 Cn k a n k b k Cn n b n (a b)n Cn 0a n .
k1
故只有 D 是错误的。
答案 D
n
说明： 符号“ ”的下标 k 1是起始数，上标 n 是终止数。即 k n 时为最后一个 k1
n 式子。识别式子的最好办法就是将其 f （k ） 式具体化写出来， “ ”的引人只是为了书 k1 写方便。理解和记住如下性质，有利于快速解题：若 a,b 是常数，则
n
①
a na; k1
n
③ f(k) g(k)] k1
设备维修费用与使用年限的回归
例
若由次料知 y 对 x 呈线性相关关系．
试求：（ 1）线性回归方程 y? bx a 的回归系数 a 、b ；
（ 2）估计使用年限为 10 年时，维修费用是多少？
分析： 因为 y 对 x 呈线性相关关系了，所以可以用一元线性相关的方法角决问题了．
n
x i y i nxy
（1）利用公式： b k n 1
,a y bx 来计算回归系数．有时为了方便常制表
22
x i nx
k1
对应出 x i y i , x i 2 ，以利于求和．
（2）获得回归线方程后，取 x 10 ，即得所求． 解：（ 1）制表：
n
② bf (k) k1
n
b f (k);
k1
f (k)
k1
g(k)
k1
112.3 5 4 5 12.3 于是有 b 112.3 5 42 5 12.3 1.23;a y bx 5 1.23 4 0.08. 90 5 42 10
（ 2 ） 回 归 直 线 方 程 是 ： y? 1.23x 0.08 当 x 10 （ 年 ） 时 ， y? 1.23 10
0.08 12.3 0.08 12.38 （万元），即估计使用 10 年时维修费用是 12.38 万元．
说明：知道 x 与 y 呈线性相关关系，就无需进行相关性检验．否则， 应首先进行相关性
检验， 如果本身两个变量不具备相关关系，或者说，它们之间相关关系不显著，即使求出回 归方程也是毫无意义的，而且用其估计和预测的量也是不可信的．
学生成绩的线性相关
例 有 10 x y
（1）y 与 x 是否具有相关关系？
（2）如果 y 与 x 具有相关关系，求回归直线方程．
分析： 判断两变量之间是否具有相关关系，首先要求出其相关系数 r ，然后根据显著性 水平 及自由度 df n 2 查相关系数临界值表找临界值 关系；当 r r 时认为具有相关关系， 求回归直线方程则比较简单， 只要求出 a 与 b 的值即 可．
解：（ 1）解法一：由已知表格中所给数据，利用科学计算器进行计算，得：
r ，当 r r 时认为不具有相关
10 10 10 10 10
又查得附表 3 中相应在于显著性水平 0.05 和 df n 2 的相关系数临界值
r 0 .05 0.632
由
r r 0.05知， y 与 x 具有相关关系．
解法二：用 表示两总体间的相关系数 立假设 H 0 : 0用科学计算器计算得：
T r 2 n 2 0.78 2 8 3.525．
1 r
2 1 0.782
取
0.01，查 t 值表知 t 0.01(8) 3.355.
由于 T ，所以否定 H 0 ，可以认为两总体之间具有相关关系．
说明： 这类问题思路一般不是很复杂，掌握比较容易，但往往运算量较大，很容易出 现计算错误， 这就需要在计算时仔细准确， 还要能熟练地使用科学计算器， 从而解题速度和 准确性．
10
10
(2) t xx
2 x
i 1
( x i )2
i1
10 i 1 i
10
1 10 10
t
xy
x
i
i1
yi
10
x i
y i
i 1 i 1
12
50520 1
7102 110 ，
10
51467 1 710 723 134
10
x 71, y 72.3, y i
i1
710, y i 723,
x i y i
i 1 i 1
22
51467, x i 2 50520,
y t 2 52541.
i 1 i 1
10
x i y i
i1
10xy
10y )
51467 71 723
(50520 10 712)( 52541 10 72.32)
0.7802972
所以
t xy 134
1.22, b
t xx 110
故所求的回归直线方程为 y
ax 1.22 x 14.32.
72.3 1.22 71 14.32
10
22
10x 2 )( y t 2
i1
野外实习资料的数理统计分析 一元线性回归分析 一元回归处理的是两个变量之间的关系，即两个变量X和Y之间如果存在一定的关系，则通过观测所得数据，找出两者之间的关系式。如果两个变量的关系大致是线性的，那就是一元线性回归问题。 对两个现象X和Y进行观察或实验，得到两组数值：X1，X2,…，Xn和Y1，Y2，…，Yn,假如要找出一个函数Y=f(X),使它在 X=X1,X2, …,Xn时的数值f(X1),f(X2), …,f(Xn)与观察值Y1，Y2，…，Yn趋于接近。 在一个平面直角坐标XOY中找出（X1，Y1），（X2，Y2），…，（Xn，Yn）各点，将其各点分布状况进行察看，即可以清楚地看出其各点分布状况接近一条直线。对于这种线性关系，可以用数学公式表示： Y = a + bX 这条直线所表示的关系，叫做变量Y对X的回归直线，也叫Y对X 的回归方程。其中a为常数，b为Y对于X的回归系数。 对于任何具有线性关系的两组变量Y与X，只要求解出a与b的值，即可以写出回归方程。计算a与b值的公式为：
式中：为变量X的均值，Xi为第i个自变量的样本值，为因变量的均值，Yi为第i个因变量Y的样本值。n为样本数。 当前一般计算机的Microsoft Excel中都有现成的回归程序，只要将所获得的数据录入就可自动得到回归方程。 得到的回归方程是否有意义，其相关的程度有多大，可以根据相关系数的大小来决定。通常用r来表示两个变量X和Y之间的直线相关程度，r为X和Y的相关系数。r值的绝对值越大，两个变量之间的相关程度就越高。当r为正值时，叫做正相关，r为负值时叫做负相关。r 的计算公式如下： 式中各符号的意义同上。 在求得了回归方程与两个变量之间的相关系数后，可以利用F检验法、t检验法或r检验法来检验两个变量是否显著相关。具体的检验方法在后面介绍。
ESS&i-k)A RSS[(k -1) ESS /(SI)I). TSS/(n-k) 多元线性回归模型练习 一、单项选择题 1. 在由〃 =30的一组样本估计的、包含3个解释变量的线性回归模型中，计算 得可决系数为0.8500,则调整后的可决系数为（D ） A. 0. 8603 B. 0. 8389 C. 0. 8655 D. 0. 8327 2. 用一组有30个观测值的样本估计模型乂 =如玷气+E +0后,在0. 05的 显著性水平上对九的显著性作「检验，则气显著地不等于零的条件是其统计量， 大于等于 （C ） A. ，O .O 5（3°） B . ‘。025（28） c.，。。25（27） p ^*0.025 （^28） 3?线性回归模型乂 =4+"1也+勾％ +……+ b k x h +u i 中,检验 =0（，= 0,1,2,..人）时，所用的统计量 服从（C ） A. t （n _k+l ） B. t （n -k -2） C. t （n -k _l ） D. t （n -k+2） 4. 调整的可决系数与多元样本判定系数R ，之间有如下关系（ D ） 局=公—/?2 职=]_qj R2 A. n-k -1 B ? n-k-\ R 2=[—- （1 + R2） 斤 2 =]— （I-/?2） C. n-k-\ D. n-k-\ 5. 对模型Y L B 。+ B 伏"B 2X 2i + u 「进行总体显著性F 检验,检验的零假设是 （A ） A. P 1= 3 2=0 B. 3 i=0 C. B 2-O D. B 0二0 或 B i=0 6. 设k 为[q 归模型中的参数个数，n 为样本容量。则对多元线性同归方程进行 显著性检验时，所用的F 统计量可表示为（B ） R2/ k B (1-R2)/(D b/d) c. (1-R2)/(S1) 7. 多元线性问归分析中（回归模型中的参数个数为k ）,调整后的可决系数与 可决系数R2之间的关系（A ）
一、 已知线性约束条件,探求线性目标关系最值问题 1. 设变量x 、y 满足约束条件?? ???≥+-≥-≤-1122y x y x y x ,则y x z 32+=的最大值为 。 二、 已知线性约束条件,探求非线性目标关系最值问题 2. 已知1,10,220x x y x y ≥??-+≤??--≤? 则22x y +的最小值就是 。 3. 已知变量x,y 满足约束条件+201-70x y x x y -≤??≥??+≤? ,则 y x 的取值范围就是( )、 A 、 [95,6] B 、(－∞,95 ]∪[6,＋∞) C 、(－∞,3]∪[6,＋∞) D 、 [3,6] 三、 研究线性规划中的整点最优解问题 4. 某公司招收男职员x 名,女职员y 名,x 与y 须满足约束条件?? ???≤≥+-≥-.112,932,22115x y x y x 则1010z x y =+的最大值 就是 。 四、 已知最优解成立条件,探求目标函数参数范围问题 5. 已知变量x ,y 满足约束条件1422x y x y ≤+≤??-≤-≤? 。若目标函数z ax y =+(其中0a >)仅在点(3,1)处取得最大值,则a 的取值范围为 。 6. 已知x 、y 满足以下约束条件5503x y x y x +≥??-+≤??≤? ,使z=x+a y (a >0) 取得最小值的最优解有无数个,则a 的值为( ) A. －3 B 、 3 C 、 －1 D 、 1 五、 求可行域的面积 7. 不等式组260302x y x y y +-≥??+-≤??≤? 表示的平面区域的面积为 ( ) A. 4 B 、 1 C 、 5 D 、 无穷大
中国税收增长的分析 一、研究的目的要求 改革开放以来，随着经济体制的改革深化和经济的快速增长，中国的财政收支状况发生了很大的变化，中央和地方的税收收入1978年为519.28亿元到2002年已增长到17636.45亿元25年间增长了33倍。为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 影响中国税收收入增长的因素很多，但据分析主要的因素可能有：（1）从宏观经济看，经济整体增长是税收增长的基本源泉。（2）公共财政的需求，税收收入是财政的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算指出所表现的公共财政的需求对当年的税收收入可能有一定的影响。（3）物价水平。我国的税制结构以流转税为主，以现行价格计算的DGP等指标和和经营者收入水平都与物价水平有关。（4）税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984—1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收会产生影响，特别是1985年税收陡增215.42%。但是第二次税制改革对税收的增长速度的影响不是非常大。因此可以从以上几个方面，分析各种因素对中国税收增长的具体影响。 二、模型设定 为了反映中国税收增长的全貌，选择包括中央和地方税收的‘国家财政收入’中的“各项税收”（简称“税收收入”）作为被解释变量，以放映国家税收的增长；选择“国内生产总值（GDP）”作为经济整体增长水平的代表；选择中央和地方“财政支出”作为公共财政需求的代表；选择“商品零售物价指数”作为物价水平的代表。由于税制改革难以量化，而且1985年以后财税体制改革对税收增长影响不是很大，可暂不考虑。所以解释变量设定为可观测“国内生产总值（GDP）”、“财政支出”、“商品零售物价指数” 从《中国统计年鉴》收集到以下数据 财政收入（亿元） Y 国内生产总值(亿 元） X2 财政支出（亿 元） X3 商品零售价格指 数（%) X4 1978519.283624.11122.09100.7 1979537.824038.21281.79102 1980571.74517.81228.83106
线性规划常见题型及解法 求线性目标函数的取值范围 2 2 2 x y A D y 2 O x x=2 求可行域的面积 y y M 5 2 x y 2 y x y 2 x y 2 x y x (3,5] y =2 ( 13 例1 x+2y 时 6 的点 C 、 x ， 个 y 6 y 3 2 x + y —3 = 0 C 、 5 A 、 4 B 、 1 D 、无穷大 () 0,将 有 最小值 故选A .B A --- 作出可行域如右图 点个数为13个，选D x + y =2 则z=x+2y 的取值范围是 () 旦y =2 0 0表示的平面区域的面积为 三、求可行域中整点个数 解：|x| + |y| <2等价于 解：如图，作出可行域，作直线I : I 向右上方平移，过点A ( 2,0 ) 2,过点B ( 2,2 )时，有最大值 [2,6] B 、[2 ,5] C 、[3,6] 解：如图，作出可行域，△ ABC 的面积即为所求，由梯形OMBC 的面积减去梯形OMAC 的 面积即可，选B 例 3、满足 |x| + |y| <2 A 、9 个 B 、10 个 由已知条件写出约束条件，并作出可行域，进而通过平移直线在可行域内求线性 目标函数的最优解是最常见的题型，除此之外，还有以下六类常见题型。 (x 0,y 0) (x 0,y p 0) (xp 0,y 0) (xp 0,y p 0) 是正方形内部(包括边界)，容易得到整 y)中整点(横纵坐标都是整数)有() D 、 14 个 2x 例2、不等式组x x 若x 、y 满足约束条件 y O C V —? x 2x + y —6= 0
1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/千 克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 （1） 求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2） 请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析，过程如下： 输出结果如下：
线性规划常见题型及解法 由已知条件写出约束条件，并作出可行域，进而通过平移直线在可行域内求线性目标函数的最优解是最常见的题型，除此之外，还有以下六类常见题型。 一、求线性目标函数的取值范围 例1、若x、y满足约束条件 2 2 2 x y x y ≤ ? ? ≤ ? ?+≥ ? ，则z=x+2y的取值范围是（） A、[2,6] B、[2,5] C、[3,6] D、（3,5] 解：如图，作出可行域，作直线l：x+2y＝0，将l向右上方平移，过点A（2,0）时，有最小值2，过点B（2,2）时，有最大值6，故选 A 二、求可行域的面积 例2、不等式组 260 30 2 x y x y y +-≥ ? ? +-≤ ? ?≤ ? 表示的平面区域的面积为（） A、4 B、1 C、5 D、无穷大 解：如图，作出可行域，△ABC的面积即为所求，由梯形OMBC 的面积减去梯形OMAC的面积即可，选 B 三、求可行域中整点个数 例3、满足|x|＋|y|≤2的点（x，y）中整点（横纵坐标都是整数）有（） A、9个 B、10个 C、13个 D、14个 解：|x|＋|y|≤2等价于 2(0,0) 2(0,0) 2(0,0) 2(0,0) x y x y x y x y x y x y x y x y +≤≥≥ ? ?-≤≥ ? ? -+≤≥? ?--≤ ? 作出可行域如右图，是正方形内部（包括边界），容易得到整点个数为13个，选 D
四、求线性目标函数中参数的取值范围 例4、已知x、y满足以下约束条件 5 50 3 x y x y x +≥ ? ? -+≤ ? ?≤ ? ，使z=x+ay(a>0) 取得最小值的最优解有无数个，则a的值为（） A、－3 B、3 C、－1 D、1 解：如图，作出可行域，作直线l：x+ay＝0，要使目标函数z=x+ay(a>0)取得最小值的最优解有无数个，则将l向右上方平移后与直线x+y＝5重合，故a=1，选 D 五、求非线性目标函数的最值 例5、已知x、y满足以下约束条件 220 240 330 x y x y x y +-≥ ? ? -+≥ ? ?--≤ ? ，则z=x2+y2的最大值和最小值分别是（） A、13，1 B、13，2 C、13，4 5 D 、 解：如图，作出可行域,x2+y2是点（x，y）到原点的距离的平方，故最大值为点A（2,3）到原点的距离的平方，即|AO|2=13，最小值为原点到直线2x＋y－2=0的距离的平方， 即为4 5 ，选 C 六、求约束条件中参数的取值范围 例6、已知|2x－y＋m|＜3表示的平面区域包含点（0,0）和（－1,1），则m的取值范围是（） A、（-3,6） B、（0,6） C、（0,3） D、（-3,3） 解：|2x－y＋m|＜3等价于 230 230 x y m x y m -++>? ? -+- ? ? -< ? ,故0＜m＜3，选 C
案例分析报告（2014——2015学年第一学期） 课程名称：预测与决策 专业班级：电子商务1202 学号： 02 学生姓名：陈维维 2014 年 11月
案例分析（一元线性回归模型） 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 居民消费在社会经济的持续发展中有着重要的作用，居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。从理论角度讲，消费需求的具体内容主要体现在消费结构上，要增加居民消费，就要从研究居民消费结构入手，只有了解居民消费结构变化的趋势和规律，掌握消费需求的热点和发展方向，才能为消费者提供良好的政策环境，引导消费者合理扩大消费，才能促进产业结构调整与消费结构优化升级相协调，才能推动国民经济平稳、健康发展。例如，2008年全国城镇居民家庭平均每人每年消费支出为元，最低的青海省仅为人均元，最高的上海市达人均元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城镇居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。 所以模型的被解释变量Y选定为“城镇居民每人每年的平均消费支出”。 因为研究的目的是各地区城镇居民消费的差异，并不是城镇居民消费在
多元线性回归分析预测法 (重定向自多元线性回归预测法) 多元线性回归分析预测法（Multi factor line regression method，多元线性回归分析法） [编辑] 多元线性回归分析预测法概述 在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的，需要采用多元回归分析预测法。 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。 [编辑] 多元线性回归的计算模型[1] 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释
因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 设y为因变量，为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为： 其中，b0为常数项，为回归系数，b1为固定时，x1每增加一 个单位对y的效应，即x1对y的偏回归系数；同理b2为固定时，x2每增加一个单位对y的效应，即，x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： 其中，b0为常数项，为回归系数，b1为固定时，x2每增加一 个单位对y的效应，即x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： y = b0 + b1x1 + b2x2 + e 建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是： (1)自变量对因变量必须有显著的影响，并呈密切的线性相关； (2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； (3)自变量之彰应具有一定的互斥性，即自变量之彰的相关程度不应高于自变量与因变量之因的相关程度； (4)自变量应具有完整的统计数据，其预测值容易确定。 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和()为最小的前提下，用最小二乘法求解参数。以二线性回归模型为例，求解回归参数的标准方程组为 解此方程可求得b0,b1,b2的数值。亦可用下列矩阵法求得
多元线性回归模型 一、单项选择题 1.在由30n =的一组样本估计的、包含3个解释变量的线性回归模型中，计算得多重决定系数为0.8500，则调整后的多重决定系数为（ D ） A. 0.8603 B. 0.8389 C. 0.8655 D.0.8327 2.下列样本模型中，哪一个模型通常是无效的（B ） A. i C （消费）=500+0.8 i I （收入） B. d i Q （商品需求）=10+0.8i I （收入）+0.9i P （价格） C. s i Q （商品供给）=20+0.75i P （价格） D. i Y （产出量）=0.650.6i L （劳动）0.4 i K （资本） 3.用一组有30个观测值的样本估计模型01122t t t t y b b x b x u =+++后，在0.05的显著性水 平上对1 b 的显著性作t 检验，则1 b 显著地不等于零的条件是其统计量t 大于等于（ C ） A. )30(05.0t B. ) 28(025.0t C. ) 27(025.0t D. ) 28,1(025.0F 4.模型 t t t u x b b y ++=ln ln ln 10中，1b 的实际含义是（ B ） A.x 关于y 的弹性 B. y 关于x 的弹性 C. x 关于y 的边际倾向 D. y 关于x 的边际倾向 5、在多元线性回归模型中，若某个解释变量对其余解释变量的判定系数接近于１，则表明模型中存在（ C ） A.异方差性 B.序列相关 C.多重共线性 D.高拟合优度 6.线性回归模型01122......t t t k kt t y b b x b x b x u =+++++ 中，检验0:0(0,1,2,...) t H b i k ==时，所用的统计量 服从( C ) A.t(n-k+1) B.t(n-k-2) C.t(n-k-1) D.t(n-k+2)
高考线性规划归类解析 一、平面区域和约束条件对应关系。 例1、已知双曲线224x y -=的两条渐近线与直线3x =围成一个三角形区域,表示该区域的不等式组是（） (A)0003x y x y x -≥??+≥??≤≤? (B)0003x y x y x -≥?? +≤??≤≤? (C) 003x y x y x -≤?? +≤??≤≤? (D) 0003x y x y x -≤?? +≥??≤≤? 解析：双曲线224x y -=的两条渐近线方程为y x =±，与直线3x =围 成一个三角形区域（如图4所示）时有0 003x y x y x -≥?? +≥??≤≤? 。 点评：本题考查双曲线的渐近线方程以及线性规划问题。验证法或排除法是最效的方法。 例2：在平面直角坐标系中，不等式组20 200x y x y y +-≤??-+≥??≥? 表示的平面区域的面积是（） (A)42 (B)4 (C) 22 (D)2 解析：如图６，作出可行域，易知不等式组20 200x y x y y +-≤??-+≥??≥? 表示的平面区域是一个三角形。容 易求三角形的三个顶点坐标为Ａ（０，２），B(2,0),C(-2,0).于是三角形的面积为： 11 ||||42 4.22 S BC AO =?=??=从而选Ｂ。 点评：有关平面区域的面积问题，首先作出可行域，探求平面区域图形的性质；其次利用面积公式整体或部分求解是关键。 二、已知线性约束条件，探求线性截距——加减的形式(非线性距离——平方的形式，斜率——商的形式)目标关系最值问题（重点） 例3、设变量x 、y 满足约束条件?? ? ??≥+-≥-≤-1122y x y x y x ，则 ①y x 32+的最大值为 。（截距） 解析：如图1，画出可行域，得在直线 2x-y=2与直线x-y=-1 的交点A(3,4)处，目标函数z 最大值为18 点评：本题主要考查线性规划问题,由线性约束条件画出可行域,然后求出目标函数的最大值.，是一道较为简单的送分题。数形结合是数学思想的重要手段之一。 ②则2 2 x y +的最小值是 . ③1y x =+的取值范围是 . 图1
我国农民收入影响因素的回归分析 本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。?农民收入水平的度量常采用人均纯收入指标。影响农民收入增长的因素是多方面的，既有结构性矛盾因素，又有体制性障碍因素。但可以归纳为以下几个方面：一是农产品收购价格水平。二是农业剩余劳动力转移水平。三是城市化、工业化水平。四是农业产业结构状况。五是农业投入水平。考虑到复杂性和可行性，所以对农业投入与农民收入，本文暂不作讨论。因此，以全国为例，把农民收入与各影响因素关系进行线性回归分析，并建立数学模型。 一、计量经济模型分析 (一)、数据搜集 根据以上分析，我们在影响农民收入因素中引入7个解释变量。即：2x -财政用于农业的支出的比重，3x -第二、三产业从业人数占全社会从业人数的比重，4x -非农村人口比重，5x -乡村从业人员占农村人口的比重，6x -农业总产值占农林牧总产值的比重，7x -农作物播种面积，8x —农村用电量。
资料来源《中国统计年鉴2006》。 (二)、计量经济学模型建立 我们设定模型为下面所示的形式： 利用Eviews 软件进行最小二乘估计，估计结果如下表所示： DependentVariable:Y Method:LeastSquares Sample: Includedobservations:19 Variable Coefficient t-Statistic Prob. C X1 X3 X4 X5 X6 X7 X8 R-squared Meandependentvar AdjustedR-squared 表1最小二乘估计结果 回归分析报告为： () ()()()()()()()()()()()()()()() 2345678 2? -1102.373-6.6354X +18.2294X +2.4300X -16.2374X -2.1552X +0.0100X +0.0634X 375.83 3.7813 2.066618.37034 5.8941 2.77080.002330.02128 -2.933 1.7558.820900.20316 2.7550.778 4.27881 2.97930.99582i Y SE t R ===---=230.99316519 1.99327374.66 R Df DW F ====二、计量经济学检验 (一)、多重共线性的检验及修正 ①、检验多重共线性 (a)、直观法 从“表1最小二乘估计结果”中可以看出，虽然模型的整体拟合的很好，但是x4x6
多元线性回归模型练习 一、单项选择题 1. 在由n =30的一组样本估计的、包含3个解释变量的线性回归模型中，计算 得 可决系数为0.8500，贝U 调整后的可决系数为（D ） A. 0.8603 B. 0.8389 C. 0.8655 D.0.8327 2. 用一组有30个观测值的样本估计模型 y t =b o ? b i x it b 2 X 2t U t 后，在0.05的 显著 性水平上对b l 的显著性作t 检验，则b l 显著地不等于零的条件是其统计量 t 大于等于（C ） A t o 』5（3O ） B t o.025 （28） C t o.o25（27） D F 0.025 （1,28） 3. 线性回归模型y t =b ° "旳+6x 21 + ............ +b k X kt +4中，检验 A H o ：b =0（i 二。，1,2 ，.*）时，所用的统计量 / ■■ ■X 服从（C ） A.t (n-k+1) B.t (n-k-2) C.t (n-k-1) D.t( n k+2) 4. 调整的可决系数 :与多元样本判定系数: ‘之间有如下关系（ D) R 2= n " R 2 R 2 =1 - n " R 2 A . n- k-1 B. n -k -1 R 2=1 - n " (1 R 2) R 2 =1 - n " (1-R 2 ) C n —k -1 D. n- k-1 5.对模型Y = B 0+ B 1X i + B 2X 2i + 卩 i 进行总体显著性F 检验，检验的零假设是 A ) A . B 1= B 2=0 B. B 1=0 C .B 2=0 D. B 0=0 或 B 1=0 6?设 k 为回归模型中的参数个数，n 为样本容量。则对多元线性回归方程进 行显著性检验时，所用的F 统计量可表示为（ B ） ESS （n-k ） 一k A. RSS （k-1） B . （1-R 2 ）/（n —k — 1 ） R 2 (n - k) C. (1 - R 2) '(k-1) 7.多元线性回归分析中（回归模型中的参数个数为 k ），调整后的可决系数 R 2与可决系数R 2之间的关系（ A ） n -1 R 2 =1 _（1 _R 2 ） ESS/(k-1) D. TSS (n-k)
1 / 6 一、 已知线性约束条件，探求线性目标关系最值问题 1. 设变量x 、y 满足约束条件?? ? ??≥+-≥-≤-1122y x y x y x ,则y x z 32+=的最大值为 。 二、 已知线性约束条件,探求非线性目标关系最值问题 2. 已知1,10,220x x y x y ≥??-+≤??--≤? 则22 x y +的最小值是 。 3. 已知变量x ，y 满足约束条件+201-70x y x x y -≤?? ≥??+≤? ,则 错误! 的取值范围是（ )。 A 。 ［错误!，6] B.（－∞，错误!］∪［6，＋∞） C.（－∞，3］∪［6，＋∞） D 。 ［3，6］ 三、 研究线性规划中的整点最优解问题 4. 某公司招收男职员x 名，女职员y 名，x 和y 须满足约束条件?? ? ??≤≥+-≥-.112,932,22115x y x y x 则1010z x y =+的最大 值是 。 四、 已知最优解成立条件，探求目标函数参数范围问题 5. 已知变量x ，y 满足约束条件14 22x y x y ≤+≤?? -≤-≤? 。若目标函数z ax y =+(其中0a >）仅在点(3,1)处 取得最大值，则a 的取值范围为 。 6. 已知x 、y 满足以下约束条件5503x y x y x +≥?? -+≤??≤? ,使z=x+a y (a >0) 取得最小值的最优解有无数个，则a 的 值为（ ） A. －3 B. 3 C 。 －1 D. 1 五、 求可行域的面积 7. 不等式组260302x y x y y +-≥?? +-≤??≤? 表示的平面区域的面积为 （ ） A. 4 B. 1 C. 5 D 。 无穷大
多元线性回归模型案例分析 ——中国人口自然增长分析一·研究目的要求 中国从1971年开始全面开展了计划生育,使中国总和生育率很快从1970年的5.8降到1980年2.24,接近世代更替水平。此后，人口自然增长率（即人口的生育率）很大程度上与经济的发展等各方面的因素相联系，与经济生活息息相关，为了研究此后影响中国人口自然增长的主要原因，分析全国人口增长规律，与猜测中国未来的增长趋势，需要建立计量经济学模型。 影响中国人口自然增长率的因素有很多，但据分析主要因素可能有：（1）从宏观经济上看，经济整体增长是人口自然增长的基本源泉；（2）居民消费水平，它的高低可能会间接影响人口增长率。(3)文化程度，由于教育年限的高低，相应会转变人的传统观念，可能会间接影响人口自然增长率（4）人口分布，非农业与农业人口的比率也会对人口增长率有相应的影响。 二·模型设定 为了全面反映中国“人口自然增长率”的全貌，选择人口增长率作为被解释变量，以反映中国人口的增长；选择“国名收入”及“人均GDP”作为经济整体增长的代表；选择“居民消费价格指数增长率”作为居民消费水平的代表。暂不考虑文化程度及人口分布的影响。 从《中国统计年鉴》收集到以下数据（见表1）： 表1 中国人口增长率及相关数据
设定的线性回归模型为： 1222334t t t t t Y X X X u ββββ=++++ 三、估计参数 利用EViews 估计模型的参数，方法是： 1、建立工作文件：启动EViews ，点击File\New\Workfile ，在对 话框“Workfile Range ”。在“Workfile frequency ”中选择“Annual ” (年度)，并在“Start date ”中输入开始时间“1988”，在“end date ”中输入最后时间“2005”，点击“ok ”，出现“Workfile UNTITLED ”工作框。其中已有变量：“c ”—截距项 “resid ”—剩余项。在“Objects ”菜单中点击“New Objects”，在“New Objects”对话框中选“Group”，并在“Name for Objects”上定义文件名，点击“OK ”出现数据编辑窗口。 年份 人口自然增长率 （%。） 国民总收入（亿元） 居民消费价格指数增长 率（CPI ）% 人均GDP （元） 1988 15.73 15037 18.8 1366 1989 15.04 17001 18 1519 1990 14.39 18718 3.1 1644 1991 12.98 21826 3.4 1893 1992 11.6 26937 6.4 2311 1993 11.45 35260 14.7 2998 1994 11.21 48108 24.1 4044 1995 10.55 59811 17.1 5046 1996 10.42 70142 8.3 5846 1997 10.06 78061 2.8 6420 1998 9.14 83024 -0.8 6796 1999 8.18 88479 -1.4 7159 2000 7.58 98000 0.4 7858 2001 6.95 108068 0.7 8622 2002 6.45 119096 -0.8 9398 2003 6.01 135174 1.2 10542 2004 5.87 159587 3.9 12336 2005 5.89 184089 1.8 14040 2006 5.38 213132 1.5 16024
SPSS--回归-多元线性回归模型案例解析！(一） 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程为： 毫无疑问，多元线性回归方程应该为： 上图中的x1, x2, xp分别代表“自变量”Xp截止，代表有P个自变量，如果有“N组样本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中：代表随机误差，其中随机误差分为：可解释的误差和不可解释的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为0 3：同共方差性假设，即指，所有的随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。 今天跟大家一起讨论一下，SPSS---多元线性回归的具体操作过程，下面以教程教程数据为例，分析汽车特征与汽车销售量之间的关系。通过分析汽车特征跟汽车销售量的关系，建立拟合多元线性回归模型。数据如下图所示：
点击“分析”——回归——线性——进入如下图所示的界面：
将“销售量”作为“因变量”拖入因变量框内，将“车长，车宽，耗油率，车净重等10个自变量拖入自变量框内，如上图所示，在“方法”旁边，选择“逐步”，当然，你也可以选择其它的方式，如果你选择“进入”默认的方式，在分析结果中，将会得到如下图所示的结果：（所有的自变量，都会强行进入） 如果你选择“逐步”这个方法，将会得到如下图所示的结果：（将会根据预先设定的“F统计量的概率值进行筛选，最先进入回归方程的“自变量”应该是跟“因变量”关系最为密切，贡献最大的，如下图可以看出，车的价格和车轴跟因变量关系最为密切，符合判断条件的概率值必须小于0.05，当概率值大于等于0.1时将会被剔除）
SPSS 统计分析 多元线性回归分析方法操作与分析 实验目的： 引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。 实验变量： 以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。 实验方法：多元线性回归分析法 软件：spss19.0 操作过程： 第一步：导入Excel数据文件 1.open data document——open data——open；
2. Opening excel data source——OK. 第二步： 1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise. 进入如下界面： 2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、
Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue. 3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.
作业： 在农作物害虫发生趋势的预报研究中,所涉及的5个自变量及因 变量的10组观测数据如下,试建立y对x1-x5的回归模型，指出那些变量对y有显著的线性贡献，贡献大小顺序。 x1 x2 x3 x4 x5 y 9.200 2.732 1.471 0.332 1.138 1.155 9.100 3.732 1.820 0.112 0.828 1.146 8.600 4.882 1.872 0.383 2.131 1.841 10.233 3.968 1.587 0.181 1.349 1.356 5.600 3.732 1.841 0.297 1.815 0.863 5.367 4.236 1.873 0.063 1.352 0.903 6.133 3.146 1.987 0.280 1.647 0.114 8.200 4.646 1.615 0.379 4.565 0.898 8.800 4.378 1.543 0.744 2.073 1.930 7.600 3.864 1.599 0.342 2.423 1.104 （！）回归性方程显著性检验： 由Analysis of variance 表可知，其 r F P 的值0.0170小于0.05，则1 y x 与、2 x3x4x、5x之间具有显著性相关性；由R-square的值为0.9356可知该方程的拟合度高，（2）参数显著性检验：
a.由Parameter Estimates 表可知，对自变量x1。t 检验值为t=1.06,Pr t >的值等于 0.3479，大于0.05，故x1的系数为0，即x1未通过检验，去掉x1，再次运行程序。 b.结果表明所有变量的系数均通过检验，得到线性模型。 （3）拟合区间。 2350.75463 1.999640.33313 2.24781y x x x =--+ 故对y 有显著的线性贡献大小顺序为 325 x x x >>。 附件： data ex; input x1-x5 y@@; cards ; 9.200 2.732 1.471 0.332 1.138 1.155 9.100 3.732 1.820 0.112 0.828 1.146 8.600 4.882 1.872 0.383 2.131 1.841 10.233 3.968 1.587 0.181 1.349 1.356 5.600 3.732 1.841 0.297 1.815 0.863 5.367 4.236 1.873 0.063 1.352 0.903 6.133 3.146 1.987 0.280 1.647 0.114 8.200 4.646 1.615 0.379 4.565 0.898 8.800 4.378 1.543 0.744 2.073 1.930
多元线性回归模型的案 例讲解 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT
1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/ 千克 X/元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/ 千克 X/元 P 1/(元/千克) P 2/(元/千克) P 3/(元/ 千克) 1980 397 1992 911 1981 413 1993 931 1982 439 1994 1021 1983 459 1995 1165 1984 492 1996 1349 1985 528 1997 1449 1986 560 1998 1575 1987 624 1999 1759 1988 666 2000 1994 1989 717 2001 2258 1990 768 2002 2478 1991 843 （1） 求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2） 请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析，过程如下： 输出结果如下：
所以，回归方程为： 123ln 0.73150.3463ln 0.5021ln 0.1469ln 0.0872ln Y X P P P =-+-++ 由上述回归结果可以知道，鸡肉消费需求受家庭收入水平和鸡肉价格的影响，而牛肉价格和猪肉价格对鸡肉消费需求的影响并不显着。 验证猪肉价格和鸡肉价格是否有影响，可以通过赤池准则（AIC ）和施瓦茨准则（SC ）。若AIC 值或SC 值增加了，就应该去掉该解释变量。 去掉猪肉价格P 2与牛肉价格P 3重新进行回归分析，结果如下： Variable Coefficient Std. Error t-Statistic Prob.?? C LOG(X) LOG(P1) R-squared ????Mean dependent var Adjusted R-squared ????. dependent var . of regression ????Akaike info criterion Sum squared resid ????Schwarz criterion Log likelihood ????F-statistic Durbin-Watson stat ????Prob(F-statistic)