.word格式,
回归分析与时间序列
一、 一元线性回归
11.1 （1）编辑数据集，命名为linehuigui1.dat
输入命令scatter cost product,xlabel(#10, grid) ylabel(#10, grid)，得到如下散点图，可以看到，产量和生产费用是正线性相关的关系。
（2）输入命令reg cost product，得到如下图：
可得线性函数（product为自变量，cost为因变量）：y=0.4206832x+124.15,即β0=124.15，β1=0.4206832
（3）对相关系数的显著性进行检验，可输入命令pwcorr cost product, sig star(.05) print(.05)，得到下图：
, 专业.专注 .
.word格式,
可见，在α=0.05的显著性水平下，P=0.0000<α=0.05，故拒绝原假设，即产量和生产费用之间存在显著的正相关性。
11.2 （1）编辑数据集，命名为linehuigui2.dat
输入命令scatter fenshu time,xlabel(#4, grid) ylabel(#4, grid)，得到如下散点图，可以看到，分数和复习时间是正线性相关的关系。
2）输入命令cor fenshu time计算相关系数，得下图：
可见，r=0.8621，可见分数和复习时间之间存在高度的正相关性。
11.3 （1）（2）对于线性回归方程y=10-0.5x，其中β0=10，表示回归直线的截距为10；β1=-0.5，表示x变化一单位引起y的变化为-0.5。 （3）x=6时，E(y)=10-0.5*6=7。
11.4 （1） ，判定系数 测度了回归直线对观测数据的拟合程度，即在分数的 变差中，有90%可以由分数与复习时间之间的线性关系解释，或者说，在分数取值的变动中，
, 专业.专注 .
.word格式,
有90%由复习时间决定。可见，两者之间有很强的线性关系。
（2）估计标准误差 分，即根据复习时间来估计分数时，平均的估计误差为 0.25分。
11.5 （1）编辑数据集，命名为linehuigui3.dat
输入命令scatter time juli,xlabel(#5, grid) ylabel(#5, grid)，得到如下散点图，可以看到，时间和距离是正线性相关的关系。
（2）输入命令cor time juli计算相关系数，得下图：
可见，r=0.9489，可见时间和距离之间存在高度的正相关性。 （3）输入命令reg time juli得到下图：
, 专业.专注 .
.word格式,
可得线性函数（juli为自变量，time为因变量）：y=0.0035851x+0.1181291,即β0=0.1181291，表示回归直线的截距为0.1181291；β1=0.0035851，表示距离（x）变化1km引起时间（y）的变化为0.0035851天。
11.6 （1）编辑数据集，命名为linehuigui4.dat
输入命令scatter cspt GDP,xlabel(#3, grid) ylabel(#3, grid)，得到如下散点图，可以看到，时间和距离是正线性相关的关系。
（2）输入命令cor cspt GDP计算相关系数，得下图：
可见，r=0.9981，可见人均消费水平和人均GDP之间存在高度的正相关性。 （3）输入命令reg cspt GDP得到下图：
, 专业.专注 .