第11章-相关分析与回归分析.docx

------------- 精选文档 -----------------
一家物流公司的管理人员想研究货物的运输距离和运输时间的关系，为此，他抽出了
公司最近 10
个卡车运货记录的随机样本，得到运送距离
(单位： km) 和运送时间 (单位：天 )
的数据如下：
运送距离 x
825
215
1 070
550
480
920
1 350
325
670 1 215
运送时间 y








要求：
绘制运送距离和运送时间的散点图，判断二者之间的关系形态：
计算线性相关系数，说明两个变量之间的关系强度。
利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。解：（ 1 ）
y
运
送
时
间
（
天
）

5
4
3
2
1
250
500
750
1000
1250
x运送距离（ km）
__
可能存在线性关系。
（2 ）
相关性
x 运送距离（ km ）
y 运送时间（天）
x 运送距离（ km ）
Pearson
相关性
1
.949(**)
可编辑
------------- 精选文档 -----------------
显著性（双侧）

N
10
10
y 运送时间（天）
Pearson 相关性
.949(**)
1
显著性（双侧）

N
10
10
**. 在 .01 水平（双侧）上显著相关。
有很强的线性关系。
3 ）
系数 (a)
非标准化系数
标准化系数
模型
B
标准误
Beta
t
显著性
1
（常量）




x 运送距离（ km ）





因变量 : y 运送时间（天）
回归系数的含义：每公里增加 天。
下面是 7 个地区 2000
年的人均国内生产总值（
GDP ）和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
22 460
7 326
辽宁
11 226
4 490
上海
34 547
11 546
江西
4 851
2 396
河南
5 444
2 208
贵州
2 662
1 608
陕