《统计学案例分析》由会员分享，可在线阅读，更多相关《统计学案例分析（7页珍藏版）》请在金锄头文库上搜索。
1、1、中国的轿车生产是否与GDP、城镇居民人均可支配收入、城镇 居民家庭恩格尔系数、私人载客汽车拥有量、公路里程等都 有密切关系?如果有关系，它们之间是种什么关系？关系强 度如何？(1) 分析轿车生产量与私人载客汽车拥有量之间的关系：首先，求的因变量轿车生产量y和自变量私人载客汽车拥有量X的相关系数r=0。992018,说明两者间存在一定的线性相关关系且正相关程度很强。yy.1xl11 1然后以轿车生产量为因变量y,私人载客汽车拥有量a为自变量进行一元线性回归 分析，结果如下：SUMMARY OUTPUT回归统计Multiple0. 992018R Square0.984101Adjusted0
2、.983041标淮误差14. 38616观测值17方差分析dfSSF回归分析1192150. 3192150. 3923. 4352904残差153104.422206. 9615总计16195254.8Coefficien-标ft误差t StatP-valueIntercepl1.7756874.6764080. 37971210.709481543!11xl0.2067830.00678630.470246. 60805E-15 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； 估计出的样本回归函数为：9=1.775687+0.206783 X,说明私人
3、载客汽车拥有量每增加1 万辆，轿车生产量增加2067.83辆； 由上表中汛和R的p值分别是0.709481543和6。60805E-15,显然汛的p值大于显著性水平a=0。05,不能拒绝原假设a=0，而R的p值远小于显著性水平a=0。05,拒绝原假设B=0, 说明私人载客汽车拥有量对轿车生产量有显著影响。（2）分析轿车生产量与城镇居民家庭恩格尔系数之间的关系：首先，求的因变量轿车生产量y和自变量城镇居民家庭恩格尔系数x2的相关系数r= 0。77499,说明两者间存在一定的线性相关关系但负相关程度一般。x.2y1-0. 7T4991a然后以轿车生产量为因变量y,城镇居民家庭恩格尔系数x2为自变量
4、进行一元线性 回归分析，结果如下：sinjtm output回归统计Ifultiple0. 774989R Square I 0. 600608.1Adjust ed0. 573982标准误差72. 10323观测值17方差分析dfSSMSF口 i fic回归分析1117271.6117271.622. 557120. CO残差1577983.135198.8 花总计16195254.8Coefficien标准误差t StatP -val ueLowerInt661.243120.15565 5032216. Q7E-Q54Q5-12. 6922. 672314-4.749430.000258
5、-18.：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）分析轿车生产量与公路里程之间的关系：首先，求的因变量轿车生产量y和自变量公路里程x3的相关系数r=0.941214，说明两 者间存在一定的线性相关关系且正相关程度较强。yy1x30. 9412141然后以轿车生产量为因变量y，公路里程x3为自变量进行一元线性回归分析，结果 如下：回归统计Multiple0. 941214R Square0.885883Adjusted0.878275标准误差38.5416
6、8观泄值17方差分析dfSSMSF?nific回归分析1172972.9172972. 9116. 44391. 82E殁差1522281. 911435. 4G1总计16195254.SCoefficien-标准误差t StatP-valueLowerIntercept -125. 15622.5S047-5. 5426S5. 64E-05-173.k31.4030220. 13001910. 790921. 82E-081. 12E 由回归统计中的R=0.885883看出，所建立的回归模型对样本观测值的拟合程度较好； 估计出的样本回归函数为：沪一125.156+1.403022 x3，说明
7、公路里程每增加1万公里，轿 车生产量增加1。403022万辆； 由上表中汛和R的p值分别是5.64E-05和1.82E08，显然汛和R的p值均远小于显著性水平a=0。05,拒绝原假设a=0、B=0，但由于B对两者的影响更为显著,所以可以说明 公路里程对轿车生产量有显著影响。（4）分析轿车生产量与GDP之间的关系：首先，求的因变量轿车生产量y和自变量GDP x4的相关系数r=0。939995,说明两 者间存在一定的线性相关关系且正相关程度较强。yV10.9399951然后以轿车生产量为因变量y，GDP x4为自变量进行一元线性回归分析，结果如下:回归统计Multiple0. 939的5R Squ
8、are0. 88359Adjusted0. 875S3标淮误差38. 92691观测值17方差分析dfSSMSFmi回归分析11T2525. 2172525. 2113. 85522.残差1522729. 561515. 304总计1&195254. 8Coef f i ci eri标准误差t StatP-valueLoIntcreep!-70. 71270. 001S2918. 307020. 000171-3. 862610. 670290. 0015342. HE-OSlO. 由回归统计中的R=0。88359看出，所建立的回归模型对样本观测值的拟合程度较好； 估计出的样本回归函数为：年一
9、70。7127+0。001829x4，说明GDP每增加1亿元，轿车生 产量增加18。29辆； 由上表中汛和R的p值分别是0.001534和2.11E08，显然汛和R的p值均小于显著性水 平a=0。05，拒绝原假设a=0、B=0,但由于B对两者的影响更为显著，所以可以说明GDP 对轿车生产量有较显著影响。(5) 分析轿车生产量与城镇居民人均可支配收入x5之间的关系：首先，求的因变量轿车生产量y和自变量城镇居民人均可支配收入x5的相关系数 r=0.917695，说明两者间存在一定的线性相关关系且正相关程度较强。y10.9176951a然后以轿车生产量为因变量y,城镇居民人均可支配收入x5为自变量进
10、行一元线性 回归国内生产总值25OOOD20000Q15000。10000D5000000501 001 502 00250300350400450一一量变自分 析，结果如下国内生产总值因变量一一汽车生产量丙变兵一一汽匚二产辰回归统计Multiple0. 917695R Square0. 842164Adjusted0. 831641标准误差45.32719视测值17方差分析dfSSHEpif回归分析1164436. 5164436.580. 035112. 1残差1530818.312054.554总计16195254. 8Coefficien-标准误差t Stat且lueLoweInter
11、cepi -92. 905423.8703-3.892090. 0014441-140. 0329280.0036818. 9462342.12E-07-0. 0 由回归统计中的R=0.842164看出，所建立的回归模型对样本观测值的拟合程度较好； 估计出的样本回归函数为:沪-92.9054+0。032928X9说明城镇居民人均可支配收入每增加1 元，轿车生产量增加329。28辆； 由上表中汛和R的p值分别是0.001444和2。12E07，显然汛和B的p值均小于显著性水平a =0O 05，拒绝原假设a=0、B=0,但由于B对两者的影响更为显著，所以可以说明 城镇居民人均可支配收入对轿车生产量有显著影响。
