239.968
+95.0%CL
295.690
例：研究货运总量 y（万吨）与工业总产值
x1 （亿元）、农业总产值 x 2 （亿元）、居
民非商品支出 x 3 （亿元）的关系。
（1） 求出 y 关于 x1 ， x 2 ， x3 的三元线性
回归方程； （2） 对线性回归效果作显著性检验； （3） 对每一系数作显著性检验； （4） 如果有的回归系数没有通过显著性检
Predicting Values for variabl.675630 75.00000 350.672 X2 8.970961 42.00000 376.780
Intercept
-459.624
Predicted
267.829
-95.0%CL
X3 0.277096 0.235286 12.447 10.5693 1.17770 0.283510
Regression Summary for Dependent Variable: Y R= .87209434 R2= .76054853 Adjusted R2= .69213383
F(2,7)=11.117 p<.00672 Std.Error of estimate: 24.081
验，将其剔除，重新建立回归方程，再 作对回归方程的显著性检验和回归系数 的显著性检验； （5） 求当 x 01 = 75 ， x 02 = 42 时的 yˆ 0 ；并求 其概率为 95%的预测区间。
编号
1 2 3 4 5 6 7 8 9 10
货运总 量y （万 吨）
160 260 210 265 240 220 275 160 275 250
Beta Std.Err. B Std.Err. t(7) p-level
Intercept
-459.624 153.0576 -3.00295 0.019859
X1 0.479242 0.186144 4.676 1.8161 2.57459 0.036761
X2 0.676489 0.186144 8.971 2.4685 3.63423 0.008351
工业总 产值 x1 （亿 元）
70 75 65 74 72 68 78 66 70 65
农业总 产值 x 2 （亿 元）
35 40 40 42 38 45 42 36 44 42
居民非 商品支
出 x3 （亿 元）
1.0 2.4 2.0 3.0 1.2 1.5 4.0 2.0 3.2 3.0
Regression Summary for Dependent Variable: Y R= .89750082 R2= .80550771 Adjusted R2= .70826157 F(3,6)=8.2832 p<.01487 Std.Error of estimate: 23.442
Beta Std.Err. B Std.Err. t(6) p-level
Intercept
-348.280 176.4592 -1.97371 0.095855
X1 0.384781 0.198161 3.754 1.9333 1.94176 0.100197
X2 0.535456 0.217198 7.101 2.8803 2.46528 0.048769