文档介绍：浙江万里学院实验报告
课程名称： 统计实验
成绩：
教师：
实验名称： 实验四相关与回归分析
分组组长：—组员及分工：
专业班级： 姓名： 学号： 实验日期：
一、 实验目的：
掌握相关系数ignificance F 回归分析 1 -09
残差 15
总计 16
Coefficient标准误差 t Stat P-value Lower 95%Upper 95%下限 % Intercept -05
建筑业产值（千万元） -09
回归方程为：Y= 181+
（2）回归分析工具的输出结果解释
Excel的回归分析工具计算简便，但内容丰富，计算结果共分为三个模块：
归统计表
Multiple R （复相关系数R）：日2的平方根，又称为相关系数，它用来衡量变量x和y之 间相关程度的大小。本例中：，表示二者之间的关系是高度正相关。
RSquare（复测定系数R2 ）：用来说明用自变量解释因变量变差的程度，以测量同因变量 y的拟合效果。，%。
标准误差：又称为标准回归误差或叫估计标准误差，它用来衡量拟合程度的大小，也用 于计算与回归有关的其他统计量，此值越小，说明拟合程度越好。
观测值：是指用于估计回归方程的数据的观测值个数。
方差分析表:方差分析表的主要作用是通过F检验来判断回归模型的回归效果。
回归参数表：回归参数如下：
Intercept :截距B0
第二行：B0（截距）和31（斜率）的各项指标。
第二列：回归系数30（截距）和31（斜率）的值。
第三列：回归系数的标准误差。
第四列：根据原假设H0：3 0=3 1=0计算的样本统计量t的值。
第五列：各个回归系数的？值（双侧）。
第六列：30和3 195%的置信区间的上下限。
故回归方程为：Y=181+
从方程检验来看，总体方程拟合优度较高，且通过了F检验，因此回归方程总体效果显 著。从回归系数来看，，表明这 两个自变量对玻璃销售额均有显著影响。
四、实验作业
1、某化妆品公司在10个城市销售一种化妆品，有关销量、成年女性人口的资料如下表:
城市编号
销售量
（万盒）
成年女性人口
（万人）
1
16
27
2
12
18
3
22
37
4
13
20
5
7
8
6
17
26
7
8
10
8
19
33
9
12
19
10
6
5
要求：计算两者的相关系数，以销售量为因变量y，以成年女性人口数为自变量构造一 元线性回归模型并进行一定的分析（用图表法和分析工具法）。