ic ien tstS ig. BS td. Erro rBe ta 1 (Cons tan t)3 .891 5 .439 .715 .605 居住.000 .002 -.083 -.152 .904 衣着-1 .343 .640 -1 .423 -2 .098 .283 食品.441 .206 2 .144 2 .138 .278 a. De pe nde nt Va ria ble : 家庭设备用品及服务表6回归系数分析表如表 7 所示:给出了残差分析表,表中显示了预测值、残差、标准化预测值、标准化残差的最小值、最大值、均值、标准差及样本容量等,根据概率的 3 西格玛原则,标准化残差的绝对值最大为 1. 627 ,小于 3 ,说明样本数据中没有奇异值。 Res idua lsS ta tis tics a Min imum Ma x imum Me anS td. De via tio nN P red ic ted Va lueRes idual 5 .6187 -.27699 9 .8757 .40125 7 .4480 .00000 1 .62708 .30947 55 S td.P red ic ted Va lueS td.Res idual -1 .124 -.448 1 .492 .648 .000 .000 1 .000 .500 55 a. De pe nde nt Va ria ble : 家庭设备用品及服务表7残差统计表图1 所示,给出了模型的直方图,由于我们在模型中始终假设残差服从正态分布,因此我们可以从这张图中直观地看出回归后的实际残差是否符合我们的假设,从回归残差的直方图于附于图上的正态分布曲线相比较,可以认为残差的分布不是明显地服从正态分布。尽管这样也不能盲目的否定残差服从正态分布的假设,因为我们用了进行分析的样本太小,样本容量仅为 5。
全文预览
