《线性回归》作业
1、
(1)应用最小二乘法求经验回归方程
直接用spss里面的回归可得
可得线性回归方程为: Y = − 0.831 + 0.004 ∗ X Y=-0.831+0.004*X Y=−0.831+0.004∗X
(2)残差图、Gauss-Markov检验
残差图:
可以看到残差均匀分布在0的上下方,故Gauss-Markov是适用的。
(3)因变量变化
线性回归方程为: U = 0.582 + 0.001 ∗ X U=0.582+0.001*X U=0.582+0.001∗X
可以看到残差均匀分布在0的上下方,故Gauss-Markov是适用的。
(4)Box-Cox
利用R中的MASS包进行box-cox转换
转换后
w统计量接近1,p值显著大于0.05,故无法拒绝其符合正态分布。
2、
利用SPSS进行分析,可得:
由于0.297>0.05,0.814>0.05,因此在显著性水平0.05下,浓度和温度对产品得率无显著差异。
3、
用SPSS进行分析可得:
因此在显著性水平0.05下,三厂生产的电池平均寿命有显著差异,方差分析表如上。
根据上图,
μ A − μ B 的 95 % 置 信 区 间 为 : [ 7.3896 , 17.9437 ] \mu_{A}-\mu_{B}的95\%置信区间为:[7.3896,17.9437] μA−μB的95%置信区间为:[7.3896,17.9437]
μ A − μ C 的 95 % 置 信 区 间 为 : [ − 8.6104 , 1.9437 ] \mu_{A}-\mu_{C}的95\%置信区间为:[-8.6104,1.9437] μA−μC的95%置信区间为:[−8.6104,1.9437]
μ B − μ C 的 95 % 置 信 区 间 为 : [ − 21.2771 , − 10.7229 ] \mu_{B}-\mu_{C}的95\%置信区间为:[-21.2771,-10.7229] μB−μC的95%置信区间为:[−21.2771,−10.7229]
5、参考
(8条消息) R语言进行Box-Cox变换_LunaWonderland的博客-CSDN博客
(9条消息) R语言 Shapiro-Wilk检验_SunCherryDream的专栏-CSDN博客
(9条消息) R中的Box-Cox变换_fitzgerald0的博客-CSDN博客_r语言boxcox变换
(9条消息) 关于显著性检验,你想要的都在这儿了!!(基础篇)_championkai的博客-CSDN博客_显著性差异
ai的博客-CSDN博客_显著性差异](https://blog.csdn.net/championkai/article/details/80206704)