[原创]计量版人气与回复的回归分析：） - 经管之家

› 论坛 › 计量经济学与统计论坛五区 › 计量经济学与统计软件

[原创]计量版人气与回复的回归分析：）

2457

9

收藏 2006-01-20

取计量版2006年1月19日20：20数据

回复	人气
85	900
7454	92435
112	8945
78	1583
10	27511
173	9931
865	23010
416	15947
17	339
300	10674
182	5767
8	26278
16	18510
79	2517
2	11
2	14
0	8
48	846
1	8
0	7
2	15
0	4
0	3
0	7
15	7
214	218
6	6677
0	119
0	7

[此贴子已经被作者于2006-1-20 20:56:43编辑过]

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

全部回复

2006-1-20 20:33:00

样本空间为40

第二步：利用散点图确认可使用线性模型

第三步：取人气为解释变量

回复为因变量

进行回归分析

[此贴子已经被作者于2006-1-20 20:37:40编辑过]

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2006-1-20 20:39:00

SUMMARY OUTPUT

回归统计
Multiple R	0.904042
R Square	0.817292
Adjusted R Square	0.810525
标准误差	600.0615
观测值	29

方差分析
	df	SS	MS	F	Significance F
回归分析	1	43488488	43488488	120.7766	1.81E-11
残差	27	9721993	360073.8
总计	28	53210481

	Coefficients	标准误差	t Stat	P-value	Lower 95%	Upper 95%	下限 95.0%	上限 95.0%
Intercept	-247.038	123.8772	-1.99422	0.056317	-501.213	7.137038	-501.213	7.137038
人气	0.068368	0.006221	10.98984	1.81E-11	0.055603	0.081132	0.055603	0.081132



RESIDUAL OUTPUT					PROBABILITY OUTPUT

观测值	预测回复	残差	标准残差		百分比排位	回复
1	-185.507	270.5067	0.459071		1.724138	0
2	6072.554	1381.446	2.344418		5.172414	0
3	364.5135	-252.513	-0.42853		8.62069	0
4	-138.811	216.8114	0.367946		12.06897	0
5	1633.833	-1623.83	-2.75577		15.51724	0
6	431.9243	-258.924	-0.43941		18.96552	0
7	1326.109	-461.109	-0.78254		22.41379	0
8	843.2259	-427.226	-0.72503		25.86207	1
9	-223.861	240.8612	0.40876		29.31034	2
10	482.7217	-182.722	-0.31009		32.75862	2
11	147.2401	34.75989	0.05899		36.2069	2
12	1549.535	-1541.54	-2.6161		39.65517	6
13	1018.453	-1002.45	-1.70124		43.10345	8
14	-74.9558	153.9558	0.261275		46.55172	10
15	-246.286	248.2859	0.42136		50	15
16	-246.081	248.0808	0.421012		53.44828	16
17	-246.491	246.491	0.418314		56.89655	17
18	-189.199	237.1986	0.402544		60.34483	48
19	-246.491	247.491	0.420011		63.7931	78
20	-246.559	246.5593	0.41843		67.24138	79
21	-246.012	248.0124	0.420896		70.68966	85
22	-246.764	246.7644	0.418778		74.13793	112
23	-246.833	246.8328	0.418894		77.58621	173
24	-246.559	246.5593	0.41843		81.03448	182
25	-246.559	261.5593	0.443886		84.48276	214
26	-232.134	446.1337	0.757123		87.93103	300
27	209.455	-203.455	-0.34528		91.37931	416
28	-238.902	238.9021	0.405435		94.82759	865
29	-246.559	246.5593	0.41843		98.27586	7454

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2006-1-20 20:47:00

得出回归方程：y=-247.038+0.068368x

Multiple R

0.904042

R Square

0.817292

拟和状况和相关状况良好

[此贴子已经被作者于2006-1-20 20:57:39编辑过]

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2006-1-20 21:32:00

so I think you may add other explanatory variable

your constant may contains risk premium

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2006-1-20 22:29:00

why,please tell me your concrete reasons

pleased to communicate with u and anyone who likes to study statistics.

二维码

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

相关推荐

栏目导航

热门文章

推荐文章

扫码加好友，拉您进群

各岗位、行业、专业交流群