R语言之一元线性回归xt2.15

源代码&数据集下载地址：https://download.csdn.net/download/princessyang/12940938

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。
（9）做相关系数的显著性检验。
（10）对回归方程做残差图并做相应的分析。
（11）该公司预计下一周签发新保单x0=1000张，需要的加班时间是多少？
（12）给出y0的置信度为95%的精确预测区间和近似预测区间。
（13）给出E(y0)的置信度为95%的区间估计。

△解法一：手工计算

（1）画散点图

（2）X与Y是否大致呈线性关系？
答：由散点图可以看出， x与y之间大致呈线性关系。

（3）用最小二乘法估计求出回归方程。
计算表

（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。

（9） 做相关系数R的显著性检验

（10）对回归方程作残差图并作相应的分析

从残差图上看出，残差是围绕e=0随即波动，满足模型的基本假设ei~N(0, 2 )。

（11）该公司预计下一周签发新保单X0=1000张,需要的加班时间是多少?
（12）给出y0的置信度为95%的精确预测区间和近似预测区间。
（13）给出E(y0)的置信度为95%的区间估计。
E(y0)的预测区间

△解法二：R语言编程

# (1)绘制散点图----
data2.15 <- read.csv('D:/rwork/应用回归/习题数据/表2-7.csv',head=TRUE)
attach(data2.15) #将该数据框添加到R的搜索路径中，以便于下面直接调用x和y
plot(x,y,main='散点图',xlab='每周签发的新保单数目',ylab='每周加班时间（小时）')

# (2)从散点图看，x与y之间大致呈线性关系----
##求均值与回归变量lxx，lyy，lxy
meanx<-mean(x)
meany<-mean(y)
lxx<-sum((x-meanx)^2)
lyy<-sum((y-meany)^2)
lxy<-sum