一元线性回归在公司加班制度中的应用

1、.应用回归分析实验报告一元线性回归在公司加班制度中的应用院（系）： 专业班级： 学号姓名： 指导老师： 成 绩： 完成时间： 7 / 7.一元线性回归在公司加班制度中的应用一、实验目的掌握一元线性回归分析的基本思想和操作，可以读懂分析结果，并写出回归方程，对回归方程进行方差分析、显著性检验等的各种统计检验二、实验环境SPSS21.0 windows10.0三、实验题目一家保险公司十分关心其总公司营业部加班的程度，决定认真调查一下现状。经10周时间，收集了每周加班数据和签发的新保单数目，x为每周签发的新保单数目，y为每周加班时间（小时），数据如表所示周序号12345678910X82520922

2、15y3.51.04.02.01.03.04.51.53.05.01. 画散点图。2. 与之间大致呈线性关系？3. 用最小二乘法估计求出回归方程。4. 求出回归标准误差 。5. 给出 与 的置信度95%的区间估计。6. 计算 与 的决定系数。7. 对回归方程作方差分析。8. 作回归系数的显著性检验。9. 作回归系数的显著性检验。10. 对回归方程做残差图并作相应的分析。11. 该公司预测下一周签发新保单张，需要的加班时间是多少？12. 给出的置信度为95%的精确预测区间。13. 给出 的置信度为95%的区间估计。四、实验过程及分析1.画散点图 如图是以每周加班时间为纵坐标，每周签发的新保单为横

3、坐标绘制的散点图，从图中可以看出，数据均匀分布在对角线的两侧，说明x和y之间线性关系良好。2.最小二乘估计求回归方程 系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量).118.355.333.748-.701.937x.004.000.9498.509.000.003.005用SPSS求得回归方程的系数分别为0.118,0.004，故我们可以写出其回归方程如下：3.求回归标准误差 ANOVAa模型平方和自由度均方F显著性1回归16.682116.68272.396.000b残差1.8438.230总计18.5259a. 因变量：yb. 预

4、测变量：(常量), x由方差分析表可以得到回归标准误差：SSE=1.843故回归标准误差：，=0.48。4.给出回归系数的置信度为95%的置信区间估计。系数a模型未标准化系数标准化系数t显著性B 的 95.0% 置信区间B标准误差Beta下限上限1(常量).118.355.333.748-.701.937x.004.000.9498.509.000.003.005a. 因变量：y由回归系数显著性检验表可以看出，当置信度为95%时：的预测区间为-0.701,0.937, 的预测区间为0.003,0.005.的置信区间包含0，表示不拒绝为0的原假设。6.计算与的决定系数。模型摘要模型RR 方调整后

5、 R 方标准估算的误差1.949a.900.888.4800a. 预测变量：(常量), x由模型摘要表得到决定系数为0.9接近于1，说明模型的拟合度较高。7.对回归方程做方差分析。ANOVAa模型平方和自由度均方F显著性1回归16.682116.68272.396.000b残差1.8438.230总计18.5259a. 因变量：yb. 预测变量：(常量), x由方差分析表可知：F值=72.3965.32(当时，查表得出对应值为5.32)，显著性约为0，所以拒绝原假设，说明回归方程显著。8.做相关系数的显著性检验。模型摘要模型RR 方调整后 R 方标准估算的误差1.949a.900.888.4800a. 预测变量：(常量), x由模型摘要可知相关系数达到0.949，说明显著线性相关。9.对回归方程做残差图并做相应分析。从残差图上看出残差是围绕e=0上下波动的，满足模型的基本假设。10.该公司预测下一周签发新保单张，需要的加班时间是多少？由预测可知公司预计下一周签发新保单张时，五、实验总结在统计学实验学