princessyang的博客

第10章 含定性变量的回归模型10.3 研究者想研究采取某项保险革新措施的速度y对保险公司的规模x1和保险公司类型的关系（参见参考文献[3]）。因变量的计量是第一个公司采纳这项革新和给定公司采纳这项革新在时间上先后间隔的月数。第一个自变量公司的规模是数量型的，用公司的总资产额（百万美元）来计量；第二个自变量公司是定性变量，由两种类型构成，即股份公司和互助公司。数据资料如表10-8所示，试建立y对公司规模和公司类型的回归。i y x1 公司类型1 17 151 互助2 26 92 互助3

第9章 非线性回归9.5 表9-13数据中GDP和投资额K都是用定基居民消费价格指数CPI缩减后的值，1978年的价格指数为100。（C-D生产函数y=AKαLβ）（1）用线性化的乘性误差项模型拟合C-D生产函数。（2）用非线性的最小二乘拟合加性误差项的C-D生产函数。（3）对线性化回归检验自相关，如果存在自相关则用自回归方法改进。（4）对线性化回归检验共线性，如果存在共线性则用岭回归方法改进。年份 t CPI GDP k l1978 1 100.00 3624.1 1377.9 40152

第8章 主成分回归与偏最小二乘8.3 对例5.5的Hald水泥问题用主成分回归方法建立模型，并与其他方法的结果进行比较。8.4 对例5.5的Hald水泥问题用偏最小二乘方法建立模型，并与其他方法的结果进行比较。x1 x2 x3 x4 y7 26 6 60 78.51 29 15 52 74.311 56 8 20 104.311 31 8 47 87.67 52 6 33 95.911 55 9 22 109.23 71 17 6 102.71 31 22 44 72.52 54 1

第7章 岭回归7.7 一家大型商业银行有多家分行，近年来，该银行的贷款额平稳增长，但不良贷款额也有较大比例的提高。为弄清楚不良贷款形成的原因，希望利用银行业务的有关数据做定量分析，以便找出控制不良贷款的方法。表7.5是该银行所属25家分行2002年的有关业务数据。（1）计算y与其余4个变量的简单相关系数。（2）建立不良贷款y对4个自变量的线性回归方程，所得的回归系数是否合理？（3）分析回归模型的共线性。（4）采用后退法和逐步回归法选择变量，所得的回归方程的回归系数是否合理，是否还存在共线性？（5

第6章 多重共线性的情形及其处理6.6 对第5章思考与练习中第9题（xt5.9）财政收入的数据，分析数据的多重共线性，并根据多重共线性剔除变量，将所得结果与用逐步回归法所得的选元结果相比较。rm(list=ls())# ---- xt5.9 逐步回归法 ----data5.9 <- read.csv('D:/rwork/应用回归/习题数据/表5-5.csv',head=TRUE)data5.9 <- data5.9[,c(-1)] #读取所有变量x和ynames(data5.9)

5.10 表5.6的数据是1968－1983年间美国与电话线制造有关的数据，各变量的含义如下：x1——年份；x2——国民生产总值（10亿美元）；x3——新房动工数（单位：1000）；x4——失业率（％）；x5——滞后6个月的最惠利率；x6——用户用线增量（％）；y——年电话销量（百万尺双线）。（1）建立y对x2~x6的线性回归方程。（2）用后退法选择自变量。（3）用逐步回归法选择自变量。（4）根据以上计算结果分析后退法和逐步回归法的差异。x1 x2 x3 x4 x5 x6 y196

第5章 自变量选择与逐步回归5.9 在研究国家财政收入时，我们把财政收入按收入形式分为：各项税收收入、企业收入、债务收入、国家能源交通重点建设收入、基本建设贷款归还收入、国家预算调节基金收入、其他收入等。为了建立国家财政收入回归模型，我们以财政收入y（亿元）为因变量，自变量如下：x1为农业增加值（亿元），x2为工业增加值（亿元），x3为建筑业增加值（亿元），x4为人口数（万人），x5为社会消费总额（亿元），x6为受灾面积（万公顷）。据《中国统计年鉴》获得1978—1998年共21个年份的统计数据，见表5.

第4章 违背基本假设的几种情况4.16 对第3章思考与练习中第11题做异常值检验。研究货运总量y（万吨）与工业总产值x1（亿元）、农业总产值x2（亿元）、居民非商品支出x3（亿元）的关系。解：（1）建立y与x1，x2，x3的三元回归方程，分别计算普通残差，学生化残差，删除残差，删除学生化残差，中心化杠杆值，库克距离。# 第1次异常值检验 -----data3.11 <- read.csv('D:/rwork/应用回归/习题数据/表3-9.csv',head=TRUE)attach(dat

第4章 违背基本假设的几种情况4.13 某软件公司的月销售额数据见表4-12，其中，x为总公司的月销售额（万元）；y为某分公司的月销售额（万元）。（1）用普通最小二乘法建立y与x的回归方程；（2）用残差图及DW检验诊断序列的相关性；（3）用迭代法处理序列相关，并建立回归方程。（4）用一阶差分的方法处理数据，建立回归方程；（5）比较普通最小二乘法所得的回归方程和迭代法、一阶差分法所建立回归方程的优良性。tips：（3）使用R语言进行二次迭代处理序列相关rm(list=ls())序号=c(1

第4章 违背基本假设的几种情况4.9 表4.11（课本P126）是用电高峰每小时用电量y与每月总用电量x的数据。（1）用普通最小二乘法建立y与x的回归方程，并画出残差散点图。（2）诊断该问题是否存在异方差。（3）如果存在异方差，用幂指数型的权函数建立加权最小二乘回归方程。（4）用方差稳定变换y’=sqrt(y)消除异方差。（5）用BOX-COX变换消除异方差。rm(list=ls())用户编号=c(1:53)x=c(679,292,1012,493,582,1156,997,2189,1

源代码&数据集下载地址：https://download.csdn.net/download/princessyang/12947921第3章 多元线性回归3.11 研究货运总量y（万吨）与工业总产值x1（亿元）、农业总产值x2（亿元）、居民非商品支出x3（亿元）的关系。数据见表3-9。（1）计算出y，x1，x2，x3的相关系数矩阵。（2）求出y与x1，x2，x3的三元线性回归方程。（3）对所求的方程做拟合优度检验。（4）对回归方程做显著性检验。（5）对每一个回归系数做显著性检验.

第2章 一元线性回归xt2.15 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，经过10周时间，收集了每周加班时间的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），数据见表2-7.（1）画散点图。（2）X与y之间是否大致呈线性关系。（3）用最小二乘法估计求出回归方程。（4）求回归标准误差。（5）给出β0^ 和β1^ 的置信度为95%的区间估计。（6）计算x与y的决定系数。（7）对回归方程做方差分析。（8）做回归系数β1^ 的显著性检验。

1. 计算：1+2+3+…+100=?> s = 0> for (i in c(1:100)){+ s = s + i+ }> s[1] 50502. 计算10的阶乘。2.1 for方法> # for 方法> s = 1> for (i in c(1:10)){+ s = s* i+ }> s[1] 36288002.2 while方法> i <- 1> j <- 1> while

(～￣▽￣)～一、工作路径1，getwd( ) 函数查看当前的工作目录。2，setwd( ) 函数临时设定当前的工作目录。如果需要读取一个不在当前工作目录下的文件，则需要在调用语句中写明完整的路径。或重新设置工作目录例如：setwd(‘C\Users\yang\’) 或者 setwd(‘C/Users/yang/’)。3，永久修改R的工作路径。在R的安装路径 D:\R\R-3....