概率论与数理统计课程设计
概率论课程设计 1110410327 苏浪1 国内产值与人力资本的回归分析 目录 一、 设计目的 二、 设计问题 三、 设计原理 四、 设计程序 设计步骤 设计结果 1、得到回归分析结果: 2、建立回归模型对结果进行检验 五、 设计总结 六、参考文献 一、设计目的2 为了更好的了解概率论与数理统计的知识,熟练掌握概率论与数理统计在 实际问题上的应用,并将所学的知识结合Excel对数据的处理解决实际问题。 本设计是利用一元线性回归理论对国内产值与人力资本关系建立数学模型,并 用Excel分析工具库中的回归分析软件进行解算并检验。 二、设计问题 改革开放以来我国经济高速增长。国内生产总值与诸多因素有关,为了解影 响生产总值的因素,现查得1995-各季度的国内生产总值和人力资本的 数据如下,试确定国内生产值和人力资本的关系并检验。 年份季度 人力资本(X) 国内产值(Y) 年份季度 人力资本(X) 国内产值(Y) 1995春 324.0 14410.3 2000秋 618.9 24463.5 1995夏 325.0 14660.5 2000冬 640.7 24803.7 1995秋 348.6 15021.0 2001春 656.2 25621.5 1995冬 352.9 15198.5 2001夏 683.9 26428.8 1996春 373.6 15679.1 2001秋 710.5 27011.0 1996夏 391.1 16478.7 2001冬 764.3 27413.8 1996秋 400.6 17185.9 2002春 788.7 27887.0 1996冬 417.9 17794.2 2002夏 815.4 29186.3 1997春 423.9 18262.3 2002秋 838.7 29885.5 1997夏 441.2 18761.3 2002冬 872.9 30083.2 1997秋 456.4 19188.0 春 886.6 31605.4 1997冬 465.6 19743.3 夏 921.1 32363.1 1998春 473.5 6.4 秋 941.4 33121.0 1998夏 488.4 20365.5 冬 962.7 33955.7 1998秋 498.9 20610.9 春 1001.4 34878.4 1998冬 508.1 21100.6 夏 1038.5 36710.4 1999春 521.6 21513.5 秋 1076.7 38121.5 1999夏 541.0 21885.5 冬 1116.5 39969.6 1999秋 554.2 22064.0 春 1153.9 41353.3 1999冬 571.8 22419.3 夏 1195.7 43564.0 2000春 585.4 23118.8 秋 1233.6 44882.8 2000夏 598.8 23854.0 冬 1290.4 45580.2 三、设计原理 本题是一道确定生产总值和人力资本的关系问题,首先做出该组数据的散 点图,由图分析该数据属于线性回归问题,可以利用Excel解决这种类型的问 题。数据的处理时通过使用“最小二乘法”做直线拟合,然后再进行一元线性 回归。在整个过程中直接使用Excel进行数据处理,用matlab求F临界值,得 出结论,然后根据Excle输出结果进行线性回归方差分析和相关系数的显著性3 检验。 四、 设计程序 为了研究这些数据中所蕴含的规律,将生产总值看做因变量,人力资本看 做自变量,画出它们的散点图(图1) ,可见这些点分布在一条直线附近,所 以两组分的百分比之间可能符合一元线性模型。下面用Excel“分析工具库” 提供的“回归”工具,找出线性回归方程,并检验其显著性。 设计步骤 一、 在【工具】菜单中选中【数据分析】 ,则会弹出【数据分析】对话框,然后在 “分析工具”中选择“回归”选项,如图二所示。单击【确定】后,则弹出 【回归】对话框,如图2所示。 二、 填写【回归】对话框。如图2所示,该对话框的内容较多,可以根据需要,选 择相关项目。 在“Y值输入区域”内输入队因变量数据区域的引用,该区域必须有单列 数据组成,如本题中生产总值;在“X只输入区域”输入对自变量数据区域的 引用,如本题中人力资本。 “标志” :如果输入区域的第一行中包含标志项,则选中此复选框,本题中的 输入区域包含标志项;如果在输入区域中没有标志项,则应清楚此复选框, Excel将在输出表中生成合适的数据标志。 “置信度” :如果需要在汇总输出表中包含附件的置信度信息,则选中此复选 框,然后在右侧的编辑框中,输入所要使用的置信度。置信度为99%,相当于 显著性水平a=0.01。 “常数为零” :如果要强制回归线通过原点,则选中此复选框。 “输出选项” :选择“输出区域” ,在此输出对输出表左上角单元格的引用。 “残差” :如果需要以残差输出表形式查看残差,则选中此复选框。 “标准残差” :如果需要在残差输出表中包含标准残差,则选中此复选框。 “残差图” :如果需要生成一张图表,绘制每个自变量及其残差,则选中此复 选框。4 “线性拟合图” :如果需要为预测值和观察值生成和观测值生车一个图表, 则选中此复选框。 “正态概率图” :如果需要绘制正态概率图,则选中此复选框。 设计结果 1、得到回归分析结果:a=4569.701813,b=31.29044388,相关系数 R=0.99645818 测定系数 ,F值:F=5897.674 5 0.99292890 2 R ,t值:t=76.79631637,标准离差(标准误差):s=745.0012582,回归平方和: SSr=3273367683,剩余平方和:SSe=23311128.74;y 的误差平方和即总平方和: SSt=3296678812(见图 3) 线性回归方程为: x 8 31.2904438 3 4569.70181 y 回归直线图形为:图 4 参插图:图 5 2、建立回归模型对结果进行检验 模型为: 4569.701813+31.29044388x; y 法一: 390 . 0 ) 42 ( 01 . 0 R R=0.99645818> 390 . 0 ) 42 ( 01 . 0 R 法二: 在 matlab 中求出 命令如下 ) 43 , 1 ( 05 . 0 F >> finv(0.99,1,42) ans = 7.2796 即 7.2796 ) 43 , 1 ( 01 . 0 F 方差来源 平方和 自由度 F值 临界值 显著性 回归 剩余 3273367683 23311128.74 1 42 5897.674 7. ) 43 , 1 ( 01 . 0 F **5 2796 总计 3296678812 43 F=5897.674> 7.2796 ) 43 , 1 ( 01 . 0 F 所以认为线性相关性显著 综上所述: