统计学实验报告(3)

平均方差观测值假设平均值dft StatP(F<=f) 单尾t 单尾临界P(T<=t) 双尾t 双尾临界变量1变量23.32843.2781820.0488890.00590125220301.064910.1477061.6972610.2954132.042272 变量1变量2100.7109.924.1157933.35789202028.73684038-5.427111.74E-061.6859543.47E-062.024394 11. t-检验: 双样本等方差假设

平均方差观测值合并方差假设平均差dft StarP(F<=f）单尾t 单尾临界P(F<=f）双尾t 双尾临界

t-检验: 双样本异方差假设

变量1平均方差观测值假设平均差dft StarP(F<=f）单尾t 单尾临界P(F<=f）双尾t 双尾临界变量2100.7109.924.1157894733.357892020037-5.4271060291.87E-061.6870935973.75E-062.026192447 F-检验 双样本方差分析

变量1平均方差观测值dfFP(F<=f）单尾F 单尾临界变量2100.7109.924.1157894733.357892020190.7229409910.2431096550.461201089 （2）将excel输出的p值乘2，即p=2*0.243109655+0.48621931>α=0.05，没有证据表明肥料的方差有显著性差异 第六章 案例分析

设采用募捐方式募到的捐款额的均值为μ1，采用电话恳谈方式募到的捐款额的均值为μ2，采用个人访问募到的捐款额的均值为μ3 根据题意写出原假设和备则假设：

H0：μ1=μ2=μ3 H1：μ1，μ2，μ,3不全相等

由于F=1.60954＜F0.05（2,134）=3.06371，则检验量的值落在接受域内，则不拒绝原假设，可以认为三种方式募到的捐款额的均值没有显著差异。

第七章 4.

（1）Y=2427.03+0.54903x

说明国民收入每增加1亿元，最终消费将平均增加0.54903亿元。

（2）由图表可知回归估计的标准误差为3137.801，可决系数为R=0.99118 (3) 提出假设：

H0：β=β* H1：β≠β* 计算统计量：

t Stat=2.996756 给定显著性水平，确定临界值

t0.025(29-2)=2.0581

检验结果的判断

t Stat=2.996756> t0.025(29-2)=2.0581,所以拒绝原假设，即β≠β*（4）131260.203921=2427.030313+0.545903278*236000

案例分析

首先进行数据录入

yx1x2x3x4x53.524.0754.24102.8318667.821510.26.8730.3653.8104.1121781.51700.616.1741.7853.04445105.6726923.482026.622.2959.8550.3167108.3535333.922577.426.8778.6250.03928111.7848197.863496.233.7114.1550.0906115.760793.73428338.29143.0448.76093118.5871176.594838.948.6191.2746.59502122.6478973.035160.350.71230.6544.66099127.8584402.285425.157.1304.0942.06798135.1789677.055854.0260.7365.0939.44218140.269899214.55628070.36469.853938.19902169.8109655.26859.6109.2623.7637.67637176.52120332.77702.8207.08845.873937.1180.98135822.88472.2227.631069.69137.7187.07159878.39421.6277.011383.92536.7334.52183867.910493386.941823.56635.8345.721087111759.5 （1）轿车生产量与私人载客汽车拥有量的关系

SUMMARY OUTPUT回归统计Multiple R0.992018R Square0.984101Adjusted R 0.983041标准误差14.38616观测值17方差分析df回归分析残差总计SSMSFSignificance F1192150.3192150.3928.43536.61E-15153104.422206.961516195254.8Coefficient标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept1.7756874.6764080.3797120.709482-8.1918411.74322-8.1918411.74322X Variable 0.2067830.00678630.470246.61E-150.1923180.2212480.192318 ①由回归统计中的R=0.984101看出，所建立的回归模型对样本观测值的拟合程度很好； ②估计出的样本回归函数为：?=1.775687+0.206783 x1，说明私人载客汽车拥有量每增加1万辆，轿车生产量增加2067.83辆； ③由上表中a和β?的p值分别是0.709481543和6.60805E-15，显然a的p值大于显著性水平α=0.05，不能拒绝原假设α=0，而β ?的p值远小于显著性水平α=0.05，拒绝原假设β=0，说明私人载客汽车拥有量对轿车生产量有显著影响。 （2）轿车生产量与城镇居民家庭恩格尔系数的关系

SUMMARY OUTPUT回归统计Multiple R0.774989R Square0.600608Adjusted R 0.573982标准误差72.10323观测值17方差分析df回归分析残差总计SSMSFSignificance F1117271.6117271.622.557110.0002581577983.145198.87616195254.8Coefficients标准误差t StatP-valueLower 95%Upper 95%下限 95.0%上限 95.0%Intercept661.2463120.15635.5032176.07E-05405.1392917.3535405.1392917.3535X Variable -12.69212.672333-4.749430.000258-18.388-6.99612-18.388-6.99612

由回归统计中的R=0.600608看出，所建立的回归模型对样本观测值的拟合程度一般，综合其相关系数值可知此二者关系不太符合所建立的线性模型，说明二者间没有密切的线性相关关系

（3）轿车生产量与公路里程的关系