随机抽取了10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行了调查，所得数据如下：
航空公司编号
正点率（%）
顾客投诉次数
航空公司编号
正点率（%）
顾客投诉次数
1
81.8
21
6
72.2
93
2
76.6
58
7
71.2
72
3
76.6
85
8
70.8
122
4
75.7
68
9
91.4
18
5
73.8
74
10
68.5
125
设航班正点率为自变量，顾客投诉次数为因变量，用SPSS进行回归，得到：
表5-1模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.869a
.755
.724
18.8872
a.预测变量:(常量),航班正点率。
表5-2方差分析
模型
平方和
df
均方
F
Sig.
1
回归
8772.584
1
8772.584
24.592
.001b
残差
2853.816
8
356.727
总计
11626.400
9
a.因变量:顾客投诉次数（次）
表5-3模型系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
(常量)
430.189
72.155
5.962
.000
航班正点率
-4.701
.948
-.869
-4.959
.001
a.因变量:顾客投诉次数（次）
试分析：（1）用相关系数判断两变量之间的关系强度；
（2）试判断该回归模型的拟合优度；
（3）写出估计的回归方程，并解析回归系数的意义；（4分）
（4）检验方程线性关系的显著性和回归系数的显著性（α=0.5）。（6分）
航空公司编号
正点率（%）
顾客投诉次数
航空公司编号
正点率（%）
顾客投诉次数
1
81.8
21
6
72.2
93
2
76.6
58
7
71.2
72
3
76.6
85
8
70.8
122
4
75.7
68
9
91.4
18
5
73.8
74
10
68.5
125
设航班正点率为自变量，顾客投诉次数为因变量，用SPSS进行回归，得到：
表5-1模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.869a
.755
.724
18.8872
a.预测变量:(常量),航班正点率。
表5-2方差分析
模型
平方和
df
均方
F
Sig.
1
回归
8772.584
1
8772.584
24.592
.001b
残差
2853.816
8
356.727
总计
11626.400
9
a.因变量:顾客投诉次数（次）
表5-3模型系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
(常量)
430.189
72.155
5.962
.000
航班正点率
-4.701
.948
-.869
-4.959
.001
a.因变量:顾客投诉次数（次）
试分析：（1）用相关系数判断两变量之间的关系强度；
（2）试判断该回归模型的拟合优度；
（3）写出估计的回归方程，并解析回归系数的意义；（4分）
（4）检验方程线性关系的显著性和回归系数的显著性（α=0.5）。（6分）
举一反三
- 随机抽取 10 家航空公司，对其最近一年的航班正点率和顾客投诉次数进行了调查，所得数据如下:[img=554x275]17903fbb30cf533.png[/img]要求: 用航班正点率作自变量，顾客投诉次数作因变量，建立估计的回归方程，并解释回归系数的意义。
- 随机抽取 10 家航空公司，对其最近一年的航班正点率和顾客投诉次数进行了调查，所得数据如下:[img=554x275]17903f94028377c.png[/img]要求: 绘制散点图，说明二者之间的关系形态。
- 根据航班正点率（%）与旅客投诉率（次/万名）建立的回归方程为，其中回归系数-0.07，表示航班正点率与旅客投诉率之间是低度相关。/ananas/latex/p/2255072
- 青书学堂: (判断题) 以下是根据航班正点率(%)与旅客投诉率(次/万名)建立的回归方程= 6.02﹣0.07,其中回归系数表示旅客投诉率与航班正点率是低度相关。( )(本题1.0分)
- 给出下列结论： （1）在回归分析中，可用指数系数R方的值判断模型的拟合效果，R方越大，模型的拟合效果越好；（2）在回归分析中，可用残差平方和判断模型的拟合效果，残差平方和越大，模型的拟合效果越好；（3）在回归分析中，可用相关系数r的值判断模型的拟合效果，r越小，模型的拟合效果越好；（4）在回归分析中，可用残差图判断模型的拟合效果，残差点比较均匀地落在水平的带状区域中，说明这样的模型比较合 A: 1 B: 2 C: 3 D: 4