线性回归-box-cox和显著差异

《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：$Y=-0.831+0.004\ast X$

(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：$U=0.582+0.001\ast X$

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，

${\mu }_A-{\mu }_B的95\%置信区间为:[7.3896,17.9437]$

${\mu }_A-{\mu }_C的95\%置信区间为:[-8.6104,1.9437]$

${\mu }_B-{\mu }_C的95\%置信区间为:[-21.2771,-10.7229]$

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)