数据模型与决策课程大作业

1、胭数据模型与决策课程大作业袄以我国汽油消费量为因变量，乘用车销量、城镇化率和 90#汽油吨价与城镇居民人均可支配收入的比值为自变量时行回归 （数据为 年度时间序列数据）。试根据得到部分输出结果，回答下列问题：蒙1） ”模型汇总表”中的R方和标准估计的误差是多少？辑2）写出此回归分析所对应的方程；祎3）将三个自变量对汽油消费量的影响程度进行说明；舞4）对回归分析结果进行分析和评价，指出其中存在的问题。薄1） “模型汇总表”中的 R方和标准估计的误差是多少？芨答案：R方为0.993八2=0.986 ;标准估计的误差为120910.147八（0.5） =347.72蛔2）写出此回归分析所对应的方程;

2、肃答案：假设汽油消费量为 Y,乘用车销量为a,城镇化率为b, 90# 汽油吨价/城镇居民人均可支配收入为c,则回归方程为：量 Y=240.534+0.00s027a+8649.895b-198.692c聿3）将三个自变量对汽油消费量的影响程度进行说明；断乘用车销量对汽油消费量相关系数只有0.00027,数值太小，几乎没有影响，但是城镇化率对汽油消费量相关系数是8649.895,具有明显正相关，当城镇化率每提高1,汽油消费量增加8649.895。乘 用90#汽油吨价/城镇居民人均可支配收入相关系数为-198.692 ,呈 明显负相关，即乘用90#气油吨价/城镇居民人均可支配收入每增加1 个单位，

3、汽油消费量降低198.692个单位。a, b, c三个自变量的sig 值为0.000、0.000、0.009,在显著性水平 0.01情形下，乘用车消 费量对汽油消费量的影响显著为正。膈（4）对回归分析结果进行分析和评价，指出其中存在的问题。蒂在学习完本课程之后，我们可以统计方法为特征的不确定性决策、 以运筹方法为特征的策略的基本原理和一般方法为基础，结合抽样、 参数估计、假设分析、回归分析等知识对我国汽油消费量影响因素进 行了模拟回归，并运用软件计算出回归结果，故根据回归结果，对具体回归方程，回归准确性，自变量影响展开分析。>Anova表中，sig值是t统计量对应的概率值，所以t和sig

4、两者是等效的，sig 要小于给定的显著性水平，越接近于0 越好。 F 是检验方程显著性的统计量，是平均的回归平方和平均剩余平方和之比，越大越好。在图表中，回归模型统计值F=804.627， p 值为 0.000，因此证明回归模型有统计学意义，表现回归极显著。即因变量与三个自变量之间存在线性关系。蒇 系数表中，除了常数项系数显著性水平大于0.05，不影响，其它项系数都是0.000，小于 0.005，即每个回归系数均具有意义。芃 当然，这其中也存在一定的问题：亵在模型设计中，乘用车销量为、城镇化率为、90#汽油吨价/城镇居民人均可支配收入为三个自变量的单位均不同，因此会造成自变量前面的回归系数不具

5、有准确的宏观意义，因此需要对模型进行实现标准化，也就是引入（3系数，消除偏回归系数带来的数量单位影响。方根据共线性统计量中的变量的容差t和方差膨胀因子（VIF）,自变量间存在共性问题，容差和膨胀因子为倒数关系，容差越小，膨胀因子越大，尤其是城镇化率VIF 为 11.213，说明共线性明显，可能原因是由于样本容量太小，也可能是城镇化之后乘用车销售量和、90#汽油吨价 /城镇居民人均可支配收入本身就具有相关性。黄缺乏模型异方差检验。在多元回归模型中，由于数据质量原因、模型设定原因，异方差的存在会使回归系数估计结果误差较多，所以在建立模型分析的过程红要对异方差进行检验。蒂数据模型与决策使我们学会使用

6、科学的分析和决策，对经营管理活动实现合理化、精细化、科学化，从而避免了盲目的生产活动。通过数据预测、假设检验、公式、分析、验证等一系列的步骤，将数据结果逐一展现。为我们的学习和工作提供了一些非常有用、便捷的，处理问题的方法。芄 附表：t 分布表：单尾检验的显著水平0.0050.0500.0250.010df双尾检验的显著水平0.100.050.020.0132.3533.1824.5415.84142.1322.7763.7474.60452.0152.5713.3654.03261.9432.4473.1433.70771.8952.3652.9983.49981.8602.3062.8963.35591.8332.2622.8