文档介绍:实验 一元线性回归分析
问题
考察温度对产量的影响,测得以下10组数据:
温度X〔〕
20
25
30
35
40
45
50
55
60
65
产量Y〔〕
实验 一元线性回归分析
问题
考察温度对产量的影响,测得以下10组数据:
温度X〔〕
20
25
30
35
40
45
50
55
60
65
产量Y〔〕
二、要求
〔1〕试画出这10对观测值的散点图。
〔2〕求Y和X的相关系数,并判断X、Y是否存在线性相关性。
〔3〕用最小二乘法求出Y对的线性回归方程。
〔4〕求出回归的标准误差与回归拟合系数.
〔5〕对回归方程做显著性检验。
〔6〕画出回归残差图并做相应分析。
〔7〕假设温度为62,则产量为多少,并给出置信水平为95%的预测区间。
三、目的和意义
学会使用R软件来做回归分析问题。
四、实验步骤
1. 绘制x与y的散点图,初步确定回归方程,输入以下程序:
> X<-matrix(c(20,,25,,30,,35,,40,,45,,50,,55,,60,,65,),ncol=2,byrow=T,dimnames=list(1:10,c("x","y")))
> forbes<-(X)
> plot(forbes$x,forbes$y)
图表 1
从窗口中可以观察到,x与y大致成线性关系,假设其为y=β0+β1x;
,输入以下程序:
> <-lm(y~x,data=forbes)
> summary()
得到
Call:
lm(formula = y ~ x, data = forbes)
Residuals:
Min 1Q Median 3Q Max
- - -
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -08 ***
x -08 ***
---
Signif. codes: 0 ‘***’ ‘**’ ‘*’ ‘.’ ‘ ’ 1
Residual standard error: on 8 degrees of freedom
Multiple R-squared: , Adjusted R-squared:
有以上计算结果得:
β0=,β1=,sdβ0=,sdβ1=,
×10-8,是非常显著的,
关于方程的检验,残差的标准差σ=,相关系数的平方R2=