当前位置：文档库 › 使用回归分析课后题答案

使用回归分析课后题答案

应用回归分析,第5章课后习题参考答案.docx

第5 章自变量选择与逐步回归思考与练习参考答案自变量选择对回归参数的估计有何影响？答：回归自变量的选择是建立回归模型得一个极为重要的问题。如果模型中丢掉了重要的自变量, 出现模型的设定偏误，这样模型容易出现异方差或自相关性，影响回归的效果；如果模型中增加了不必要的自变量, 或者数据质量很差的自变量, 不仅使得建模计算量增大, 自变量之间信息有重叠，而且得到的模型稳定性较差，影响回归模型的应用。自变量选择对回归预测有何影响？答：当全模型（m元）正确采用选模型（p 元）时，我们舍弃了m-p 个自变量，回归系数的最小二乘估计是全模型相应参数的有偏估计，使得用选模型的预测是有偏的，但由于选模型的参数估计、预测残差和预测均方误差具有较小的方差，所以全模型正确而误用选模型有利有弊。当选模型（p 元）正确采用全模型（m 元）时，全模型回归系数的最小二乘估计是相应参数的有偏估计，使得用模型的预测是有偏的，并且全模型的参数估计、预测残差和预测均方误差的方差都比选模型的大，所以回归自变量的选择应少而精。如果所建模型主要用于预测，应该用哪个准则来衡量回归方程的优劣？答：如果所建模型主要用于预测，则应使用C p 统计量达到最小的准则来衡量回归方程的优劣。试述前进法的思想方法。答：前进法的基本思想方法是：首先因变量Y对全部的自变量x1,x2,...,xm 建立m个一元线性回归方程, 并计算 F 检验值，选择偏回归平方和显著的变量（F 值最大且大于临界值）进入回归方程。每一步只引入一个变量，同时建立m－1个二元线性回归方程，计算它们的 F 检验值，选择偏回归平方和显著的两变量变量（F 值最大且大于临界值）进入回归方程。在确定引入的两个自变量以后，再引入一个变量，建立m－2 个三元线性回归方程，计算它们的 F 检验值，选择偏

应用回归分析,第8章课后习题参考答案

第8章非线性回归思考与练习参考答案 8.1 在非线性回归线性化时，对因变量作变换应注意什么问题？答：在对非线性回归模型线性化时，对因变量作变换时不仅要注意回归函数的形式，还要注意误差项的形式。如： (1) 乘性误差项，模型形式为 e y AK L αβε =， (2) 加性误差项，模型形式为y AK L αβ ε = + 对乘法误差项模型（1）可通过两边取对数转化成线性模型，（2）不能线性化。一般总是假定非线性模型误差项的形式就是能够使回归模型线性化的形式，为了方便通常省去误差项，仅考虑回归函数的形式。 8.2为了研究生产率与废料率之间的关系，记录了如表8.15所示的数据，请画出散点图，根据散点图的趋势拟合适当的回归模型。表8.15 生产率x （单位/周） 1000 2000 3000 3500 4000 4500 5000 废品率y （%） 5.2 6.5 6.8 8.1 10.2 10.3 13.0 解：先画出散点图如下图： 5000.00 4000.003000.002000.001000.00x 12.00 10.00 8.006.00 y

从散点图大致可以判断出x 和y 之间呈抛物线或指数曲线，由此采用二次方程式和指数函数进行曲线回归。（1）二次曲线 SPSS 输出结果如下： Model Summ ary .981 .962 .942 .651 R R Square Adjusted R Square Std. E rror of the Estimate The independent variable is x. ANOVA 42.571221.28650.160.001 1.6974.424 44.269 6 Regression Residual Total Sum of Squares df Mean Square F Sig.The independent variable is x. Coe fficients -.001.001-.449-.891.4234.47E -007.000 1.417 2.812.0485.843 1.324 4.414.012 x x ** 2 (Constant) B Std. E rror Unstandardized Coefficients Beta Standardized Coefficients t Sig. 从上表可以得到回归方程为：72? 5.8430.087 4.4710y x x -=-+? 由x 的系数检验P 值大于0.05，得到x 的系数未通过显著性检验。由x 2的系数检验P 值小于0.05，得到x 2的系数通过了显著性检验。（2）指数曲线 Model Summ ary .970 .941 .929 .085 R R Square Adjusted R Square Std. E rror of the Estimate The independent variable is x.

材料现代分析方法练习题及答案

8. 什么是弱束暗场像？与中心暗场像有何不同？试用Ewald图解说明。答：弱束暗场像是通过入射束倾斜，使偏离布拉格条件较远的一个衍射束通过物镜光阑，透射束和其他衍射束都被挡掉，利用透过物镜光阑的强度较弱的衍射束成像。与中心暗场像不同的是，中心暗场像是在双光束的条件下用的成像条件成像，即除直射束外只有一个强的衍射束，而弱束暗场像是在双光阑条件下的g/3g的成像条件成像，采用很大的偏离参量s。中心暗场像的成像衍射束严格满足布拉格条件，衍射强度较强，而弱束暗场像利用偏离布拉格条件较远的衍射束成像，衍射束强度很弱。采用弱束暗场像，完整区域的衍射束强度极弱，而在缺陷附近的极小区域内发生较强的反射，形成高分辨率的缺陷图像。图：PPT透射电子显微技术1页 10. 透射电子显微成像中，层错、反相畴界、畴界、孪晶界、晶界等衍衬像有何异同？用什么办法及根据什么特征才能将它们区分开来？答：由于层错区域衍射波振幅一般与无层错区域衍射波振幅不同，则层错区和与相邻区域形成了不同的衬度，相应地出现均匀的亮线和暗线，由于层错两侧的区域晶体结构和位相相同，故所有亮线和暗线的衬度分别相同。层错衍衬像表现为平行于层错面迹线的明暗相间的等间距条纹。孪晶界和晶界两侧的晶体由于位向不同，或者还由于点阵类型不同，一边的晶体处于双光束条件时，另一边的衍射条件不可能是完全相同的，也可能是处于无强衍射的情况，就相当于出现等厚条纹，所以他们的衍衬像都是间距不等的明暗相间的条纹，不同的是孪晶界是一条直线，而晶界不是直线。反相畴界的衍衬像是曲折的带状条纹将晶粒分隔成许多形状不规则的小区域。层错条纹平行线直线间距相等反相畴界非平行线非直线间距不等孪晶界条纹平行线直线间距不等晶界条纹平行线非直线间距不等 11.什么是透射电子显微像中的质厚衬度、衍射衬度和相位衬度。形成衍射衬度像和相位衬度像时，物镜在聚焦方面有何不同？为什么？答：质厚衬度：入射电子透过非晶样品时，由于样品不同微区间存在原子序数或厚度的差异，导致透过不同区域落在像平面上的电子数不同，对应各个区域的图像的明暗不同，形成的衬度。衍射衬度：由于样品中的不同晶体或同一晶体中不同部位的位向差异导致产生衍射程度不同而形成各区域图像亮度的差异，形成的衬度。相位衬度：电子束透过样品，试样中原子核和核外电子产生的库伦场导致电子波的相位发生变化，样品中不同微区对相位变化作用不同，把相应的相位的变化情况转变为相衬度，称为相位衬度。物镜聚焦方面的不同：透射电子束和至少一个衍射束同时通过物镜光阑成像时，透射束和衍射束相互干涉形成反应晶体点阵周期的条纹成像或点阵像或结构物象，这种相位衬度图像的形成是透射束和衍射束相干的结果，而衍射衬度成像只用透射束或者衍射束成像。

应用回归分析第章课后习题答案

第6章 6.1 试举一个产生多重共线性的经济实例。答：例如有人建立某地区粮食产量回归模型，以粮食产量为因变量Y，化肥用量为X1，水浇地面积为X2，农业投入资金为X3。由于农业投入资金X3与化肥用量X1，水浇地面积X2有很强的相关性，所以回归方程效果会很差。再例如根据某行业企业数据资料拟合此行业的生产函数时，资本投入、劳动力投入、资金投入与能源供应都与企业的生产规模有关，往往出现高度相关情况，大企业二者都大，小企业都小。 6.2多重共线性对回归参数的估计有何影响？答：1、完全共线性下参数估计量不存在； 2、参数估计量经济含义不合理； 3、变量的显著性检验失去意义； 4、模型的预测功能失效。 6.3 具有严重多重共线性的回归方程能不能用来做经济预测？答：虽然参数估计值方差的变大容易使区间预测的“区间”变大，使预测失去意义。但如果利用模型去做经济预测，只要保证自变量的相关类型在未来期中一直保持不变，即使回归模型中包含严重多重共线性的变量，也可以得到较好预测结果；否则会对经济预测产生严重的影响。 6.4多重共线性的产生于样本容量的个数n、自变量的个数p有无关系？答：有关系，增加样本容量不能消除模型中的多重共线性，但能适当消除多重共线性造成的后果。当自变量的个数p较大时，一般多重共线性容易发生，所以自变量应选择少而精。 6.6对第5章习题9财政收入的数据分析多重共线性，并根据多重共线性剔除变量。将所得结果与逐步回归法所得的选元结果相比较。 5.9 在研究国家财政收入时，我们把财政收入按收入形式分为：各项税收收入、企业收入、债务收入、国家能源交通重点建设收入、基本建设贷款归还收入、国家预算调节基金收入、其他收入等。为了建立国家财政收入回归模型，我们以财政收入y（亿元）为因变量，自变量如下：x1为农业增加值（亿元），x2为工业增加值（亿元），x3为建筑业增加值（亿元），x4为人口数（万人），x5为社

应用回归分析第2章课后习题参考答案

2.1 一元线性回归模型有哪些基本假定？答：1. 解释变量 1x , ,2x ,p x 是非随机变量，观测值,1i x ,,2 i x ip x 是常数。 2. 等方差及不相关的假定条件为 ? ? ? ? ? ? ??????≠=====j i n j i j i n i E j i i ,0),,2,1,(,),cov(,,2,1, 0)(2 σεεε 这个条件称为高斯-马尔柯夫(Gauss-Markov)条件，简称G-M 条件。在此条件下，便可以得到关于回归系数的最小二乘估计及误差项方差2σ估计的一些重要性质，如回归系数的最小二乘估计是回归系数的最小方差线性无偏估计等。 3. 正态分布的假定条件为 ???=相互独立 n i n i N εεεσε,,,,,2,1),,0(~212 在此条件下便可得到关于回归系数的最小二乘估计及2σ估计的进一步结果，如它们分别是回归系数的最及2σ的最小方差无偏估计等，并且可以作回归的显著性检验及区间估计。 4. 通常为了便于数学上的处理，还要求,p n >及样本容量的个数要多于解释变量的个数。在整个回归分析中，线性回归的统计模型最为重要。一方面是因为线性回归的应用最广泛；另一方面是只有在回归模型为线性的假设下，才能的到比较深入和一般的结果；再就是有许多非线性的回归模型可以通过适当的转化变为线性回归问题进行处理。因此，线性回归模型的理论和应用是本书研究的重点。 1. 如何根据样本),,2,1)(;,,,(21n i y x x x i ip i i =求出p ββββ,,,,210 及方差2σ的估计; 2. 对回归方程及回归系数的种种假设进行检验； 3. 如何根据回归方程进行预测和控制，以及如何进行实际问题的结构分析。 2.2 考虑过原点的线性回归模型 n i x y i i i ,,2,1,1 =+=εβ误差n εεε,,,21 仍满足基本假定。求1β的最小二乘估计。答：∑∑==-=-=n i n i i i i x y y E y Q 1 1 2112 1)())(()(ββ

现代材料分析方法试题及答案

1. X射线衍射的几何条件是d、θ、λ必须满足什么公式？写出数学表达式，并说明d、θ、λ的意义。（5分）答：. X射线衍射的几何条件是d、θ、λ必须满足布拉格公式。（1分）其数学表达式：2dsinθ=λ（1分）其中d是晶体的晶面间距。（1分）θ是布拉格角，即入射线与晶面间的交角。（1分）λ是入射X 射线的波长。（1分） 4. 二次电子是怎样产生的？其主要特点有哪些？二次电子像主要反映试样的什么特征？用什么衬度解释？该衬度的形成主要取决于什么因素？（6分）答：二次电子是单电子激发过程中被入射电子轰击出的试样原子核外电子。（1分）二次电子的主要特征如下：（1）二次电子的能量小于50eV，主要反映试样表面10nm层内的状态，成像分辨率高。（1分）（2）二次电子发射系数δ与入射束的能量有关，在入射束能量大于一定值后，随着入射束能量的增加，二次电子的发射系数减小。（1分）（3）二次电子发射系数δ和试样表面倾角θ有关：δ(θ)=δ0/cosθ（1分）（4）二次电子在试样上方的角分布，在电子束垂直试样表面入射时，服从余弦定律。（1分）二此电子像主要反映试样表面的形貌特征，用形貌衬度来解释，形貌衬度的形成主要取决于试样表面相对于入射电子束的倾角。（1分） 2. 布拉格角和衍射角：布拉格角：入射线与晶面间的交角，（1.5 分）衍射角：入射线与衍射线的交角。（1.5 分） 3. 静电透镜和磁透镜：静电透镜：产生旋转对称等电位面的电极装置即为静电透镜，（1.5 分）磁透镜：产生旋转对称磁场的线圈装置称为磁透镜。（1.5 分） 4. 原子核对电子的弹性散射和非弹性散射：弹性散射：电子散射后只改变方向而不损失能量，（1.5 分）非弹性散射：电子散射后既改变方向也损失能量。（1.5 分）二、填空（每空1 分，共20 分） 1. X 射线衍射方法有劳厄法、转晶法、粉晶法和衍射仪法。 2.扫描仪的工作方式有连续扫描和步进扫描两种。 3. 在X 射线衍射物相分析中，粉末衍射卡组是由粉末衍射标准联合委员会编制，称为JCPDS 卡片，又称为PDF 卡片。 4. 电磁透镜的像差有球差、色差、轴上像散和畸变。 5.透射电子显微镜的结构分为光学成像系统、真空系统和电气系统。 1. X射线管中，焦点形状可分为点焦点和线焦点，适合于衍射仪工作的是线焦点。 2. 在X 射线物象分析中，定性分析用的卡片是由粉末衍射标准联合委员会编制，称为JCPDS 卡片，又称为PDF(或ASTM) 卡片。 3. X射线衍射方法有劳厄法、转晶法、粉晶法和衍射仪法。 4. 电磁透镜的像差有球差、色差、轴上像散和畸变。 5. 电子探针是一种显微分析和成分分析相结合的微区分析。二、选择题（多选、每题4 分） 1. X射线是（ A D ） A. 电磁波； B. 声波； C. 超声波； D. 波长为0.01~1000?。 2. 方程2dSinθ=λ叫（ A D ） A. 布拉格方程； B. 劳厄方程； C. 其中θ称为衍射角； D. θ称为布拉格角。

材料分析方法课后习题答案

第十四章 1、波谱仪和能谱仪各有什么优缺点优点:1）能谱仪探测X射线的效率高。 2）在同一时间对分析点内所有元素X射线光子的能量进行测定和计数，在几分钟内可得到定性分析结果，而波谱仪只能逐个测量每种元素特征波长。 3）结构简单，稳定性和重现性都很好 4）不必聚焦，对样品表面无特殊要求，适于粗糙表面分析。缺点：1）分辨率低。 2）能谱仪只能分析原子序数大于11的元素；而波谱仪可测定原子序数从4到92间的所有元素。 3）能谱仪的Si(Li)探头必须保持在低温态，因此必须时时用液氮冷却。分析钢中碳化物成分可用能谱仪；分析基体中碳含量可用波谱仪。 2、举例说明电子探针的三种工作方式（点、线、面）在显微成分分析中的应用。答：(1)、定点分析：将电子束固定在要分析的微区上用波谱仪分析时，改变分光晶体和探测器的位置，即可得到分析点的X射线谱线；

用能谱仪分析时，几分钟内即可直接从荧光屏（或计算机）上得到微区内全部元素的谱线。 (2)、线分析：将谱仪（波、能）固定在所要测量的某一元素特征X射线信号（波长或能量）的位置把电子束沿着指定的方向作直线轨迹扫描，便可得到这一元素沿直线的浓度分布情况。改变位置可得到另一元素的浓度分布情况。 (3)、面分析：电子束在样品表面作光栅扫描，将谱仪（波、能）固定在所要测量的某一元素特征X射线信号（波长或能量）的位置，此时，在荧光屏上得到该元素的面分布图像。改变位置可得到另一元素的浓度分布情况。也是用X射线调制图像的方法。 3、要在观察断口形貌的同时，分析断口上粒状夹杂物的化学成分，选用什么仪器用怎样的操作方式进行具体分析答：（1）若观察断口形貌，用扫描电子显微镜来观察：而要分析夹杂物的化学成分，得选用能谱仪来分析其化学成分。 (2)A、用扫描电镜的断口分析观察其断口形貌：

回归分析练习题及参考答案

地区人均GDP/元人均消费水平/元 22460 11226 34547 4851 5444 2662 4549 7326 4490 11546 2396 2208 1608 2035 求：(1)人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。 (2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。 (3)求出估计的回归方程，并解释回归系数的实际意义。 (4)计算判定系数，并解释其意义。 (5)检验回归方程线性关系的显著性(0.05 α=)。 (6)如果某地区的人均GDP为5000元，预测其人均消费水平。 (7)求人均GDP为5000元时，人均消费水平95％的置信区间和预测区间。解：（1）可能存在线性关系。（2）相关系数：

有很强的线性关系。（3）回归方程：734.6930.309 y x =+ 回归系数的含义：人均GDP没增加1元，人均消费增加0.309元。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。系数(a) 模型非标准化系数标准化系数 t 显著性B 标准误Beta 1 （常量）734.693 139.540 5.265 0.003 人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% （4）模型汇总模型R R 方调整R 方标准估计的误差 1 .998a.996 .996 247.303 a. 预测变量: (常量), 人均GDP。人均GDP对人均消费的影响达到99.6%。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规范排版。模型摘要模型R R 方调整的R 方估计的标准差 1 .998(a) 0.996 0.996 247.303

应用回归分析课后答案

应用回归分析课后答案第二章一元线性回归解答：EXCEL结果: SUMMARY OUTPUT 回归统计 Multiple R R Square Adjusted R Square 标准误差观测值5 方差分析 df SS MS F Significance F 回归分析125 残差3 总计410 Coefficients标准误差t Stat P-value Lower 95%Upper 95%下限%上限% Intercept X Variable 15 RESIDUAL OUTPUT 观测值预测Y残差 1 2 3 4 5 SPSS结果：（1）散点图为：

（2）x 与y 之间大致呈线性关系。（3）设回归方程为01y x ββ∧ ∧ ∧ =+ 1β∧ = 12 2 1 7()n i i i n i i x y n x y x n x -- =- =-=-∑∑ 0120731y x ββ-∧- =-=-?=- 17y x ∧ ∴=-+可得回归方程为（4）22 n i=1 1()n-2i i y y σ∧∧=-∑ 2 n 01i=1 1(())n-2i y x ββ∧∧=-+∑ =222 22 13???+?+???+?+??? （10-（-1+71））（10-（-1+72））（20-（-1+73））（20-（-1+74））（40-（-1+75）） []1 169049363 110/3= ++++= 1 330 6.13 σ∧=≈ （5）由于2 11(, )xx N L σββ∧ :

t σ ∧ == 服从自由度为n-2的t分布。因而 /2 |(2)1 P t n α α σ ?? ?? <-=- ?? ?? 也即： 1/211/2 (p t t αα βββ ∧∧ ∧∧ -<<+=1α - 可得 1 95% β∧的置信度为的置信区间为（7-2.3537+2.353即为：（，） 2 2 00 1() (,()) xx x N n L ββσ - ∧ + : t ∧∧ == 服从自由度为n-2的t分布。因而 /2 (2)1 P t n α α ∧ ?? ?? ?? <-=- ?? ?? ?? ?? ?? 即 0/200/2 ()1 pβσββσα ∧∧∧∧ -<<+=- 可得 1 95%7.77,5.77 β∧- 的置信度为的置信区间为（）（6）x与y的决定系数 2 21 2 1 () 490/6000.817 () n i i n i i y y r y y ∧- = - = - ==≈ - ∑ ∑ （7）

材料分析测试技术习题及答案

第一章一、选择题 1.用来进行晶体结构分析的X射线学分支是（） A.X射线透射学； B.X射线衍射学； C.X射线光谱学； D.其它 2. M层电子回迁到K层后，多余的能量放出的特征X射线称（） A.Kα； B. Kβ； C. Kγ； D. Lα。 3. 当X射线发生装置是Cu靶，滤波片应选（） A．Cu；B. Fe；C. Ni；D. Mo。 4. 当电子把所有能量都转换为X射线时，该X射线波长称（） A.短波限λ0； B. 激发限λk； C. 吸收限； D. 特征X射线 5.当X射线将某物质原子的K层电子打出去后，L层电子回迁K层，多余能量将另一个L层电子打出核外，这整个过程将产生（）（多选题） A.光电子； B. 二次荧光； C. 俄歇电子； D. （A+C）二、正误题 1. 随X射线管的电压升高，λ0和λk都随之减小。（） 2. 激发限与吸收限是一回事，只是从不同角度看问题。（） 3. 经滤波后的X射线是相对的单色光。（） 4. 产生特征X射线的前提是原子内层电子被打出核外，原子处于激发状态。（） 5. 选择滤波片只要根据吸收曲线选择材料，而不需要考虑厚度。（）三、填空题

1. 当X 射线管电压超过临界电压就可以产生 X 射线和 X 射线。 2. X 射线与物质相互作用可以产生、、、、、、、。 3. 经过厚度为H 的物质后，X 射线的强度为。 4. X 射线的本质既是也是，具有性。 5. 短波长的X 射线称，常用于；长波长的X 射线称，常用于。习题 1. X 射线学有几个分支？每个分支的研究对象是什么？ 2. 分析下列荧光辐射产生的可能性，为什么？（1）用CuK αX 射线激发CuK α荧光辐射；（2）用CuK βX 射线激发CuK α荧光辐射；（3）用CuK αX 射线激发CuL α荧光辐射。 3. 什么叫“相干散射”、“非相干散射”、“荧光辐射”、“吸收限”、“俄歇效应”、“发射谱”、“吸收谱”？ 4. X 射线的本质是什么？它与可见光、紫外线等电磁波的主要区别何在？用哪些物理量描述它？ 5. 产生X 射线需具备什么条件？ 6. Ⅹ射线具有波粒二象性，其微粒性和波动性分别表现在哪些现象中？ 7. 计算当管电压为50 kv 时，电子在与靶碰撞时的速度与动能以及所发射的连续谱的短波限和光子的最大动能。 8. 特征X 射线与荧光X 射线的产生机理有何异同？某物质的K 系荧光X 射线波长是否等于它的K 系特征X 射线波长？ 9. 连续谱是怎样产生的？其短波限 V eV hc 3 10 24.1?==λ 与某物质的吸收限 k k k V eV hc 3 10 24.1?==λ 有何不同（V 和V K 以kv 为单位）？ 10. Ⅹ射线与物质有哪些相互作用？规律如何？对x 射线分析有何影响？反冲电子、光

(完整版)多元线性回归模型习题及答案

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)

应用回归分析,第7章课后习题参考答案

第7章岭回归思考与练习参考答案 7.1 岭回归估计是在什么情况下提出的？答：当自变量间存在复共线性时，｜X’X｜≈0，回归系数估计的方差就很大，估计值就很不稳定，为解决多重共线性，并使回归得到合理的结果，70年代提出了岭回归(Ridge Regression,简记为RR)。 7.2岭回归的定义及统计思想是什么？答：岭回归法就是以引入偏误为代价减小参数估计量的方差的一种回归方法，其统计思想是对于（X’X）-1为奇异时，给X’X加上一个正常数矩阵 D, 那么X’X+D接近奇异的程度就会比X′X接近奇异的程度小得多，从而完成回归。但是这样的回归必定丢失了信息，不满足blue。但这样的代价有时是值得的，因为这样可以获得与专业知识相一致的结果。 7.3 选择岭参数k有哪几种方法？答：最优是依赖于未知参数和的，几种常见的选择方法是：岭迹法：选择的点能使各岭估计基本稳定，岭估计符号合理，回归系数没有不合乎经济意义的绝对值，且残差平方和增大不太多；

方差扩大因子法：，其对角线元是岭估计的方差扩大因子。要让；残差平方和：满足成立的最大的值。 7.4 用岭回归方法选择自变量应遵循哪些基本原则？答：岭回归选择变量通常的原则是： 1. 在岭回归的计算中，我们通常假定涉及矩阵已经中心化和标准化了，这样可以直接比较标准化岭回归系数的大小。我们可以剔除掉标准化岭回归系数比较稳定且绝对值很小的自变量； 2. 当k值较小时，标准化岭回归系数的绝对值并不很小，但是不稳定，随着k的增加迅速趋近于零。像这样岭回归系数不稳定、震动趋于零的自变量，我们也可以予以剔除； 3. 去掉标准化岭回归系数很不稳定的自变量。如果有若干个岭回归系数不稳定，究竟去掉几个，去掉那几个，要根据去掉某个变量后重新进行岭回归分析的效果来确定。

应用回归分析课后习题参考答案

应用回归分析课后习题参考答案 Document number【SA80SAB-SAA9SYT-SAATC-SA6UT-SA18】

第二章一元线性回归分析思考与练习参考答案一元线性回归有哪些基本假定答：假设1、解释变量X是确定性变量，Y是随机变量；假设2、随机误差项ε具有零均值、同方差和不序列相关性：E(ε i )=0 i=1,2, …,n Var (ε i )=2i=1,2, …,n Cov(ε i, ε j )=0 i≠j i,j= 1,2, …,n 假设3、随机误差项ε与解释变量X之间不相关： Cov(X i , ε i )=0 i=1,2, …,n 假设4、ε服从零均值、同方差、零协方差的正态分布 ε i ~N(0, 2) i=1,2, …,n 考虑过原点的线性回归模型 Y i =β 1 X i +ε i i=1,2, …,n 误差εi（i=1,2, …,n）仍满足基本假定。求β1的最小二乘估计解：得：证明（式），e i =0 ，e i X i=0 。证明： ∑ ∑+ - = - = n i i i n i X Y Y Y Q 1 2 1 2 1 )) ? ?( ( )? (β β 其中：即：e i =0 ，e i X i=0 2 1 1 1 2) ? ( )? ( i n i i n i i i e X Y Y Y Qβ ∑ ∑ = = - = - = ) ? ( 2 ?1 1 1 = - - = ? ?∑ = i i n i i e X X Y Q β β ) ( ) ( ? 1 2 1 1 ∑ ∑ = = = n i i n i i i X Y X β 01 ?? ?? i i i i i Y X e Y Y ββ =+=- 01 00 ?? Q Q ββ ?? == ??

第九章---spss的回归分析

第九章spss的回归分析 1、利用习题二第4题的数据，任意选择两门课程成绩作为解释变量和被解释变量，利用SPSS 提供的绘制散点图功能进行一元线性回归分析。请绘制全部样本以及不同性别下两门课程成绩的散点图，并在图上绘制三条回归直线，其中，第一条针对全体样本，第二和第三条分别针对男生样本和女生样本，并对各回归直线的拟和效果进行评价。选择fore和phy两门成绩做散点图步骤：图形→旧对话框→散点图→简单散点图→定义→将phy导入X轴、将fore导入Y 轴，将sex导入设置标记→确定图标剪辑器内点击元素菜单→选择总计拟合线→选择线性→确定→再次选择元素菜单→点击子组拟合线→选择线性→确定分析：如上图所示，通过散点图，被解释变量y与fore有一定的线性相关关系。 2、线性回归分析与相关性回归分析的关系是怎样的？线性回归分析是相关性回归分析的一种，研究的是一个变量的增加或减少会不会引起另一个变量的增加或者减少。

3、为什么需要对线性回归方程进行统计检验？一般需要对哪些方面进行检验？线性回归方程能够较好地反映被解释变量和解释变量之间的统计关系的前提是被解释变量和解释变量之间确实存在显著的线性关系。回归方程的显著性检验正是要检验被解释变量和解释变量之间的线性关系是否显著，用线性模型来描述他们之间的关系是否恰当。一般包括回归系数的检验，残差分析等。 4、SPSS多元线性回归分析中提供了哪几种解释变量筛选策略？包括向前筛选策略、向后筛选策略和逐步筛选策略。 5、先收集到若干年粮食总产量以及播种面积、使用化肥量、农业劳动人数等数据，请利用建立多元线性回归方程，分析影响粮食总产量的主要因素。数据文件名为“粮食总产量.sav”。步骤：分析→回归→线性→粮食总产量导入因变量、其余变量导入自变量→确定结果如图： Variables Entered/Removed b Model Variables Entered Variables Removed Method 1 农业劳动者人数(百万人), 总播种面积(万公顷), 风灾面积比例(%), 粮食播种面积(万公顷), 施用化肥量 (kg/公顷), 年份a . Enter a. All requested variables entered. b. Dependent Variable: 粮食总产量(y万吨) ANOVA b Model Sum of Squares df Mean Square F Sig. 1 Regression 2.025E9 6 3.375E8 414.944 .000a Residual 2.278E7 28 813478.405 Total 2.048E9 34 a. Predictors: (Constant), 农业劳动者人数(百万人), 总播种面积(万公顷), 风灾面积比例(%), 粮食播种面积(万公顷), 施用化肥量(kg/公顷), 年份 b. Dependent Variable: 粮食总产量(y万吨) Coefficients a Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta

应用回归分析第三章课后习题整理

y1 1 x11 x12 x1p 0 1 3.1 y2 1 x21 x22 x2p 1 + 2 即y=x + yn 1 xn1 xn2 xnp p n 基本假定 (1) 解释变量x1,x2…,xp 是确定性变量，不是随机变量，且要求 rank(X)=p+1

n 注 tr(H) h 1 3.4不能断定这个方程一定很理想，因为样本决定系数与回归方程中自变量的数目以及样本量n 有关，当样本量个数n 太小，而自变量又较多，使样本量与自变量的个数接近时， R 2易接近1,其中隐藏一些虚假成分。 3.5当接受H o 时，认定在给定的显著性水平下，自变量x1,x2, xp 对因变量y 无显著影响，于是通过x1,x2, xp 去推断y 也就无多大意义，在这种情况下，一方面可能这个问题本来应该用非线性模型去描述，而误用了线性模型，使得自变量对因变量无显著影响；另一方面可能是在考虑自变量时，把影响因变量y 的自变量漏掉了，可以重新考虑建模问题。当拒绝H o 时，我们也不能过于相信这个检验，认为这个回归模型已经完美了，当拒绝H o 时，我们只能认为这个模型在一定程度上说明了自变量x1,x2, xp 与自变量y 的线性关系，这时仍不能排除排除我们漏掉了一些重要的自变量。 3.6中心化经验回归方程的常数项为0,回归方程只包含p 个参数估计值1, 2, p 比一般的经验回归方程减少了一个未知参数，在变量较 SSE (y y)2 e12 e22 1 2 1 E( ) E( - SSE* - n p 1 n p n 2 [D(e) (E(e ))2 ] 1 n (1 1 n 2 en n E( e 1 1 n p 1 1 n p 1 1 "1 1 n p 1 J (n D(e) 1 (p 1)) 1_ p 1 1 1 n p 1 2 2 n E(e 2 ) (1 h ) 2 1

材料分析方法之课后习题答案

目录第一章材料X射线衍射分析----------------------------------------------------------------------------1 第二章X射线衍射方向----------------------------------------------------------------------------------1 第三章X射线衍射强度----------------------------------------------------------------------------------2 第四章多晶体分析方法----------------------------------------------------------------------------------3 第八章电子光学基础-------------------------------------------------------------------------------------4 第九章透射电子显微镜----------------------------------------------------------------------------------5 第十章电子衍射-------------------------------------------------------------------------------------------7 第十一章晶体薄膜衍衬成像分析----------------------------------------------------------------------8 第十三章扫描电子显微镜-------------------------------------------------------------------------------10 第十五章电子探针显微分析----------------------------------------------------------------------------10

回归分析练习题与参考答案

1 下面是7个地区2000年的人均国生产总值（GDP）与人均消费水平的统计数据：地区人均GDP/元人均消费水平/元北京上海 22460 11226 34547 4851 5444 2662 4549 7326 4490 11546 2396 2208 1608 2035 求：(1)人均GDP作自变量，人均消费水平作因变量，绘制散点图，并说明二者之间的关系形态。 (2)计算两个变量之间的线性相关系数，说明两个变量之间的关系强度。 (3)求出估计的回归方程，并解释回归系数的实际意义。 (4)计算判定系数，并解释其意义。 (5)检验回归方程线性关系的显著性(0.05 α=)。 (6)如果某地区的人均GDP为5000元，预测其人均消费水平。 (7)求人均GDP为5000元时，人均消费水平95％的置信区间与预测区间。解：（1）可能存在线性关系。（2）相关系数：

（3）回归方程：734.6930.309 y x =+ 回归系数的含义：人均GDP没增加1元，人均消费增加0.309元。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规排版。系数(a) 模型非标准化系数标准化系数 t 显著性B 标准误Beta 1 （常量）734.693 .540 5.265 0.003 人均GDP（元）0.309 0.008 0.998 36.492 0.000 a. 因变量: 人均消费水平（元）%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% （4）模型汇总模型R R 方调整 R 方标准估计的误差 1 .998a.996 .996 247.303 a. 预测变量: (常量), 人均GDP。人均GDP对人均消费的影响达到99.6%。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 注意：图标不要原封不动的完全复制软件中的图标，要按规排版。模型摘要模型R R 方调整的 R 方估计的标准差 1 .998(a) 0.996 0.996 247.303 a. 预测变量:(常量), 人均GDP（元）。%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%