数据分析与SPSS软件应用 课后习题答案 - 第8章.docx
- 弹弹个人认证 |
- 2021-11-30 发布|
- 352.36 KB|
- 10页
第8章 回归分析及SPSS实现
习题与思考题
(一)填空题
1.
2.甲模型
3.残差
4.自变量,因变量
5.拟合优度
(二)选择题
ABDBC
(三)判断题
×××××
(四)简答题
1.简述回归分析的全流程。
解:回归分析的基本流程为:
(1)确定自变量与因变量之间的关系,即判定回归模型的数学形式;
(2)参数估计。
(3)模型的统计检验
(4)模型优化,确定最终模型。
2.简述回归分析的概念、基本功能和应用范围。 解:线性回归分析是在排除其他影响因素或假定其他影响因素确定的条件下,分析自变量是如何影响因变量的过程。根据自变量的个数可以分为一元线性回归分析和多元线性回归分析。回归分析是在相关分析的基础上,进一步探讨自变量对因变量的作用方式和作用强度的方法。
3.简述相关分析与回归分析的区别与联系。 解:相关分析是对两个或两组变量之间相关关系的测度,相关分析采用相关系数作为测度工具,待分析的变量的地位是平等的。回归分析采用回归模型来度量变量间的作用关系,相关分析中变量的地位是不平等的,自变量是解释变量,用来说明因变量,也即是被解释变量。
4.试说明二阶段最小二乘法、加权最小二乘法和普通最小二乘法的关系。 解:三种方法都是参数估计的常用方法。二阶段最小二乘法简称2SLS,是一种计量经济学方法,是通过工具变量来实现参数估计,该方法对变量的分布没有限制,变量无论是否正态分布,都可使用。加权最小二乘法是对原模型进行加权,使之成为一个新的不存在异方差性的模型,然后再采用普通最小二乘法估计参数,其是应对异方差问题的数学优化技术。普通最小二乘法是应用最为广泛的一种参数估计方法,其使用需要满足一系列的前提假设,当假设被违背时,就可采用二阶段最小二乘法、加权最小二乘方法或其他方法进行优化和改进。
5.什么是多重共线性,它的不良后果是什么,有什么解决方案。
解:线性回归模型中的解释变量之间