基于蒙特卡罗方法的回归模型合理性研究毕业论文(编辑修改稿)

基于蒙特卡罗方法的回归模型合理性研究毕业论文(编辑修改稿)内容摘要：

（自变量）框中 ，把 y 移入 Dependent （因变量）框中 / Continue ； Statistics / Regression Coefficients/ Estimates、 Model fit/ DurbinWatson、 Casewise diagnostics、 Outliers outside，并在后面的方框中改为 2，即大于两个标准差单位的观测值就认为是异常值。 Plots/ 将 ZPRED（标准化预测值）选入 Y 框中，把 ZRESID（标准化残差）移入 X 框中 / Normal probability plot、 Histogram，以便检验残差的正态性和方差齐性。 Save / Unstandardized （ 未 经 标 准 化 预 测 值 ）、 Standardized 、 Studentized / Mean 、Individual/ Continue。 单击 Option 按钮，采用系统默认设置。 最后单击 OK，输出结果及分析如下： ① 自变量进入或剔除情况表表，如表 12 所示 表 2— 1 V a r i a b l e s E n t e r e d / R e m o v e dbx a . E n t e rM o d e l1V a r i a b l e sE n t e r e dV a r i a b l e sR e m o ve d M e t h o dA l l r e q u e st e d v a r i a b l e s e n t e r e d .a . D e p e n d e n t V a r i a b l e : yb . 表中 12 的模型中只有一个自变量 x。 楚雄师范学院本科论文（设计） 6 ② 模型拟合的总体情况表，如表 22 所示。 表 2— 2 Mo d el S u m m ar yb.994 a .988 .988 Model1R R S q uar eA dj us tedR S q uar eS td. E r r or ofth e E s ti mateD ur bi n W ats onP r edi c tor s : ( C ons tant ) , xa. D epen dent V ar i ab l e: yb. 由表 22 知复相关系数 R ， x 与 y 的相关为 ；确定系数 R ，说明模型的拟合优度非常高；经过校正的系数为 ，也说明模型的拟合优度非常高；误差的独立性检验WatsonDurbin 检验的值为 ，查 WD 检验表知  WD ，可以说明残差与自变量之间相互独立。 ③ 回归方程检验的方差分析表，如 表 32 所示 表 2— 3 A N O V Ab7 3 2 4 4 . 0 3 2 17 3 2 4 4 . 0 3 27 4 6 9 . 0 5 7 . 0 0 0 a8 6 2 . 9 5 7 88 9 . 8 0 67 4 1 0 6 . 9 8 9 89R e g r e s s io nR e s id u a lT o t a lM o d e l1S u m o fS q u a r e s df M e a n S q u a r e F S ig .P r e d ic t o r s : ( C o n s t a n t ) , xa . D e p e n d e n t V a r ia b le : yb . 表中列出了回归项和残差项的平方和、自由度和均方，还列出了 F 值以及 Sig 值。 从表 32 中可以看出，回归方程是显著的， )88,1( F , p ，说明 y （车轮下垫钢板测得的弯沉值）受 x （车轮下不垫钢板测得的弯沉值）的显著影响；剩余平方和（残差平方和）为。 ④ 回归系数估计及其检验表，如表 42 所示。 表 2— 4 C o e f f i c i e n t sa . 8 4 0 1 . 8 6 5 . 4 5 1 . 6 5 31 . 0 8 0 . 0 1 2 . 9 9 4 8 6 . 4 2 4 . 0 0 0( C o n s t a n t )xM o d e l1B S t d . E r r o rU n s t a n d a r d i z e dC o e f f i c i e n t sB e t aS t a n d a r d i z e dC o e f f i c i e n t st S i g .D e p e n d e n t V a r i a b l e : ya . 表中显示回归模型中的回归系数是： Constant（常数项，即回归直线截距）为  ，自变量系数x 为 ，由此可知该分析的非标准化回归方程可以写为： iXY  0 8 4 ，标准化回归方程为： XY 。 从表中也可看出回归系数的显著性水平为 ，表明 t 统计量检验假设“回归系数等于 0 的概率为 远小于 ”，同样说明了量变量之间的线性相关关系极为显著，楚雄师范学院本科论文（设计） 7 建立的回归方程是有效的。 ⑤ 异常值诊断表，如表 52 所示 表 2— 5 C a s e w i s e D i a g n o s t i c sa3 . 2 2 7 1 8 2 . 0 0 1 7 1 . 8 9 5 7 1 0 . 1 0 4 3 52 . 6 1 0 1 5 2 . 0 0 1 4 3 . 8 2 6 1 8 . 1 7 3 9 3 2 . 0 1 3 1 4 4 . 0 0 1 5 0 . 3 0 3 7 6 . 3 0 3 6 72 . 0 1 4 1 8 9 . 0 0 1 8 2 . 6 9 1 6 6 . 3 0 8 3 6C a s e N u m b e r27425072S t d . R e s i d u a l yP r e d i c t e dV a l u e R e s i d u a lD e p e n d e n t V a r i a b l e : ya . 在此如果标准化残差的绝对值超过 2 ，就称为异常值。 表 52 中依次列出了所有异常值的编号、标准化残差大小、因变量取值、因变量的预测值以及残差，从表可以看出所用的数据异常值不是很多，只 有 4个。 ⑥ 残差统计量表，如表 62 所示 表 2— 6 R e s i d u a l s S t a t i s t i c sa1 0 2 . 8 0 1 3 2 1 5 . 0 7 9 6 1 5 7 . 7 8 8 9 2 8 . 6 8 7 4 0 90 1 . 9 1 7 1 . 9 9 7 . 0 0 0 1 . 0 0 0 90. 3 3 0 . 7 4 1 . 4 5 3 . 1 1 4 901 0 2 . 5 1 3 9 2 1 5 . 2 6 2 0 1 5 7 . 7 8 6 8 2 8 . 6 9 1 6 4 90 6 . 3 0 3 6 7 1 0 . 1 0 4 3 5 . 0 0 0 0 0 3 . 1 1 3 8 6 90 2 . 0 1 3 3 . 2 2 7 . 0 0 0 . 9 9 4 90 2 . 0 2 5 3 . 2 4 9 . 0 0 0 1 . 0 0 5 90 6 . 3 7 9 4 3 1 0 . 2 4 6 0 3 . 0 0 2 0 4 3 . 1 7 9 5 8 90 2 . 0 6 2 3 . 4 4 4 . 0 0 6 1 . 0 2 0 90. 0 0 1 3 . 9 8 8 . 9 8 9 1 . 0 3 4 90. 0 0 0 . 0 8 0 . 0 1 1 . 0 1 6 90. 0 0 0 . 0 4 5 . 0 1 1 . 0 1 2 90P r e d i c t e d V a lu eS t d . P r e d i c t e d V a l u eS t a n d a r d E r r o r o fP r e d i c t e d V a lu eA d j u s t e d P r e d ic t e d V a lu eR e s i d u a lS t d . R e s i d u a lS t u d . R e s i d u a lD e le t e d R e s id u a lS t u d . D e l e t e d R e s i d u a lM a h a l . D i s t a n c eC o o k 39。 s D i s t a n c eC e n t e r e d L e v e r a g e V a lu eM i n i m u m M a x i m u m M e a n S t d . D e v i a t i o n ND e p e n d e n t V a r i a b l e :。