一元线性回归在公司加班制度中的应用
院(系): 专业班级: 学号姓名:
指导老师: 成 绩: 完成时间:
一元线性回归在公司加班制度中的应用
一、实验目的
掌握一元线性回归分析的基本思想和操作,可以读懂分析结果,并写出回归方程,对回归方程进行方差分析、显著性检验等的各种统计检验 二、实验环境
SPSS21.0 windows10.0 三、实验题目
一家保险公司十分关心其总公司营业部加班的程度,决定认真调查一下现状。经10周时间,收集了每周加班数据和签发的新保单数目,x 为每周签发的新保单数目,y 为每周加班时间(小时),数据如表所示
y
3.5
1.0
4.0
2.0
1.0
3.0
4.5
1.5
3.0
5.0
2. x 与y 之间大致呈线性关系?
3. 用最小二乘法估计求出回归方程。 4. 求出回归标准误差σ。
5. 给出β与β的置信度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。
1
∧
∧∧
8. 作回归系数β的显著性检验。 9. 作回归系数的显著性检验。
10. 对回归方程做残差图并作相应的分析。
1
∧
11. 该公司预测下一周签发新保单x 0=1000张,需要的加班时间是多少? 12. 给出y 0的置信度为95%的精确预测区间。 13. 给出E (y 0)的置信度为95%的区间估计。 四、实验过程及分析 1. 画散点图
如图是以每周加班时间为纵坐标,每周签发的新保单为横坐标绘制的散点图,从图中可以看出,数据均匀分布在对角线的两侧,说明x 和y 之间线性关系良好。 2. 最小二乘估计求回归方程
用SPSS 求得回归方程的系数β0, β1分别为0.118,0.004,故我们可以写出其回归方程如下:
y =0.118+0.004x
3. 求回归标准误差σ
∧
由方差分析表可以得到回归标准误差:SSE=1.843 故回归标准误差:
σ∧2=
SSE
n -2,σ∧2=0.48。
4. 给出回归系数的置信度为95%的置信区间估计。
由回归系数显著性检验表可以看出,当置信度为95%时:
β0的预测区间为[-0.701,0.937],β1的预测区间为[0.003,0.005].β0的置信区间包含0,表示β0不拒绝为0的原假设。
∧
∧
∧
∧
6. 计算x 与y 的决定系数。
由模型摘要表得到决定系数为0.9接近于1,说明模型的拟合度较高。
7. 对回归方程做方差分析。
由方差分析表可知:F 值=72.396>5.32(当n 1=1, n 2=8时,查表得出对应值为5.32) ,显著性约为0,所以拒绝原假设,说明回归方程显著。
8. 做相关系数的显著性检验。
由模型摘要可知相关系数达到0.949,说明x 与y 显著线性相关。 9. 对回归方程做残差图并做相应分析。
从残差图上看出残差是围绕e=0上下波动的,满足模型的基本假设。
10. 该公司预测下一周签发新保单x 0 1000张,需要的加班时间是多
少?
由预测可知公司预计下一周签发新保单x 0=1000张时,
y =0.118+0.00359*1000=3.7032
五、实验总结
在统计学实验学习中,通过实验操作可使我们加深对理论知识的理解,学习和掌握统计学的基本方法,并能进一步熟悉和掌握spss 的操作方法,培养我们分析和解决实际问题的基本技能,提高我们的综合素质。
一元线性回归在公司加班制度中的应用
院(系): 专业班级: 学号姓名:
指导老师: 成 绩: 完成时间:
一元线性回归在公司加班制度中的应用
一、实验目的
掌握一元线性回归分析的基本思想和操作,可以读懂分析结果,并写出回归方程,对回归方程进行方差分析、显著性检验等的各种统计检验 二、实验环境
SPSS21.0 windows10.0 三、实验题目
一家保险公司十分关心其总公司营业部加班的程度,决定认真调查一下现状。经10周时间,收集了每周加班数据和签发的新保单数目,x 为每周签发的新保单数目,y 为每周加班时间(小时),数据如表所示
y
3.5
1.0
4.0
2.0
1.0
3.0
4.5
1.5
3.0
5.0
2. x 与y 之间大致呈线性关系?
3. 用最小二乘法估计求出回归方程。 4. 求出回归标准误差σ。
5. 给出β与β的置信度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。
1
∧
∧∧
8. 作回归系数β的显著性检验。 9. 作回归系数的显著性检验。
10. 对回归方程做残差图并作相应的分析。
1
∧
11. 该公司预测下一周签发新保单x 0=1000张,需要的加班时间是多少? 12. 给出y 0的置信度为95%的精确预测区间。 13. 给出E (y 0)的置信度为95%的区间估计。 四、实验过程及分析 1. 画散点图
如图是以每周加班时间为纵坐标,每周签发的新保单为横坐标绘制的散点图,从图中可以看出,数据均匀分布在对角线的两侧,说明x 和y 之间线性关系良好。 2. 最小二乘估计求回归方程
用SPSS 求得回归方程的系数β0, β1分别为0.118,0.004,故我们可以写出其回归方程如下:
y =0.118+0.004x
3. 求回归标准误差σ
∧
由方差分析表可以得到回归标准误差:SSE=1.843 故回归标准误差:
σ∧2=
SSE
n -2,σ∧2=0.48。
4. 给出回归系数的置信度为95%的置信区间估计。
由回归系数显著性检验表可以看出,当置信度为95%时:
β0的预测区间为[-0.701,0.937],β1的预测区间为[0.003,0.005].β0的置信区间包含0,表示β0不拒绝为0的原假设。
∧
∧
∧
∧
6. 计算x 与y 的决定系数。
由模型摘要表得到决定系数为0.9接近于1,说明模型的拟合度较高。
7. 对回归方程做方差分析。
由方差分析表可知:F 值=72.396>5.32(当n 1=1, n 2=8时,查表得出对应值为5.32) ,显著性约为0,所以拒绝原假设,说明回归方程显著。
8. 做相关系数的显著性检验。
由模型摘要可知相关系数达到0.949,说明x 与y 显著线性相关。 9. 对回归方程做残差图并做相应分析。
从残差图上看出残差是围绕e=0上下波动的,满足模型的基本假设。
10. 该公司预测下一周签发新保单x 0 1000张,需要的加班时间是多
少?
由预测可知公司预计下一周签发新保单x 0=1000张时,
y =0.118+0.00359*1000=3.7032
五、实验总结
在统计学实验学习中,通过实验操作可使我们加深对理论知识的理解,学习和掌握统计学的基本方法,并能进一步熟悉和掌握spss 的操作方法,培养我们分析和解决实际问题的基本技能,提高我们的综合素质。