《統(tǒng)計(jì)分析和SPSS的應(yīng)用(第五版)》課后練習(xí)與解析(第9章)

v1.0可編寫可改正《統(tǒng)計(jì)剖析與SPSS的應(yīng)用（第五版）》（薛薇）課后練習(xí)答案第9章SPSS的線性回歸剖析1、利用第2章第9題的數(shù)據(jù)，隨意選擇兩門課程成績作為解說變量和被解說變量，利用SPSS供給的繪制散點(diǎn)圖功能進(jìn)行一元線性回歸剖析。請繪制所有樣本以及不一樣性別下兩門課程成績的散點(diǎn)圖，并在圖上繪制三條回歸直線，此中，第一條針對(duì)全體樣本，第二和第三條分別針對(duì)男生樣本和女生樣本，并對(duì)各回歸直線的擬和成效進(jìn)行評(píng)論。選擇fore和phy兩門成績系統(tǒng)散點(diǎn)圖步驟：圖形舊對(duì)話框散點(diǎn)圖簡單散點(diǎn)圖定義將fore導(dǎo)入Y軸，將phy導(dǎo)入X軸，將sex導(dǎo)入設(shè)置標(biāo)志確立。1專業(yè)知識(shí)整理分享v1.0可編寫可改正接下來在SPSS輸出查察器中，雙擊上圖，翻開圖表編寫在圖表編寫器中，選擇“元素”菜單項(xiàng)選擇擇總計(jì)擬合線選擇線性應(yīng)用再選擇元素菜單點(diǎn)擊子組擬合線選擇線性應(yīng)用。2專業(yè)知識(shí)整理分享v1.0可編寫可改正剖析：如上圖所示，經(jīng)過散點(diǎn)圖，被解說變量y(即：fore)與解說變量phy有必定的線性關(guān)系。但回歸直線的擬合成效都不是很好。2、請說明線性回歸剖析與有關(guān)剖析的關(guān)系是如何的有關(guān)剖析是回歸剖析的基礎(chǔ)和前提，回歸剖析則是有關(guān)剖析的深入和持續(xù)。有關(guān)剖析需要依靠回歸剖析來表現(xiàn)變量之間數(shù)目有關(guān)的詳細(xì)形式，而回歸剖析則需要依賴有關(guān)剖析來表現(xiàn)變量之間數(shù)目變化的有關(guān)程度。只有當(dāng)變量之間存在高度有關(guān)時(shí)，進(jìn)行回歸剖析追求其有關(guān)的詳細(xì)形式才存心義。假如在沒有對(duì)變量之間能否有關(guān)以及有關(guān)方向和程度做出正確判斷之前，就進(jìn)行回歸剖析，很簡單造成“虛假回歸”。與此同時(shí)，有關(guān)剖析只研究變量之間有關(guān)的方向和程度，不可以推測變量之間互相關(guān)系的詳細(xì)形式，也沒法從一個(gè)變量的變化來推測另一個(gè)變量的變化狀況，所以，在詳細(xì)應(yīng)用過程中，只有把有關(guān)剖析和回歸剖析聯(lián)合起來，才能達(dá)到研究和剖析的目的。3專業(yè)知識(shí)整理分享v1.0可編寫可改正線性回歸剖析是有關(guān)性回歸剖析的一種，研究的是一個(gè)變量的增添或減少會(huì)不會(huì)惹起另一個(gè)變量的增添或減少。3、請說明為何需要對(duì)線性回歸方程進(jìn)行統(tǒng)計(jì)查驗(yàn)一般需要對(duì)哪些方面進(jìn)行查驗(yàn)查驗(yàn)其可信程度并找出哪些變量的影響明顯、哪些不明顯。主要包含回歸方程的擬合優(yōu)度查驗(yàn)、明顯性查驗(yàn)、回歸系數(shù)的明顯性查驗(yàn)、殘差剖析等。線性回歸方程可以較好地反應(yīng)被解說變量和解說變量之間的統(tǒng)計(jì)關(guān)系的前提是被解說變量和解說變量之間的確存在明顯的線性關(guān)系?；貧w方程的明顯性查驗(yàn)正是要查驗(yàn)被解說變量和解說變量之間的線性關(guān)系能否明顯，用線性模型來描繪他們之間的關(guān)系能否適合。一般包含回歸系數(shù)的查驗(yàn)，殘差剖析等。4、請說明SPSS多元線性回歸剖析中供給了哪幾種解說變量挑選策略向前、向后、逐漸。5、先采集到若干年糧食總產(chǎn)量以及播種面積、使用化肥量、農(nóng)業(yè)勞感人數(shù)等數(shù)據(jù)，請利用成立多元線性回歸方程，剖析影響糧食總產(chǎn)量的主要要素。數(shù)據(jù)文件名為“糧食總產(chǎn)量.sav”。方法：采納“行進(jìn)“回歸策略。步驟：剖析回歸線性將糧食總產(chǎn)量導(dǎo)入因變量、其他變量導(dǎo)入自變量方法項(xiàng)選“前進(jìn)”確立。以下列圖：（也可向后、或逐漸）4專業(yè)知識(shí)整理分享v1.0可編寫可改正已輸入/除掉變量a模型已輸入變量已除掉變量方法1施用化肥量(kg/向前（準(zhǔn)則：公頃).F-to-enter的概率<=.050）2向前（準(zhǔn)則：風(fēng)災(zāi)面積比率.F-to-enter(%)的概率<=.050）3向前（準(zhǔn)則：年份.F-to-enter的概率<=.050）4總播種面積(萬向前（準(zhǔn)則：公頃).F-to-enter的概率<=.050）a.因變量：糧食總產(chǎn)量(y萬噸)5專業(yè)知識(shí)整理分享v1.0可編寫可改正模型綱要調(diào)整后的R平模型RR平方方標(biāo)準(zhǔn)估量的錯(cuò)誤1.960a.922.9192.975b.950.9473.984c.969.9664.994d.989.987a.展望變量：（常量），施用化肥量(kg/公頃)b.展望變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%)c.展望變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%),年份d.展望變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%),年份,總播種面積(萬公頃)aANOVA模型平方和自由度均方F明顯性1回歸1.000b殘差33總計(jì)342回歸2c.000殘差32總計(jì)343回歸3.000d殘差.35631總計(jì)344回歸4.000e殘差.67530總計(jì)34因變量：糧食總產(chǎn)量(y萬噸)b.展望變量：（常量），施用化肥量(kg/公頃)6專業(yè)知識(shí)整理分享v1.0可編寫可改正c.展望變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%)d.展望變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%),年份e.展望變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%),年份,總播種面積(萬公頃)系數(shù)a非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)模型B標(biāo)準(zhǔn)錯(cuò)誤貝塔t明顯性1（常量）.000施用化肥量(kg/公頃).960.0002（常量）.000施用化肥量(kg/公頃).000風(fēng)災(zāi)面積比率(%).0003（常量）.000施用化肥量(kg/公頃).737.000風(fēng)災(zāi)面積比率(%).000年份.323.0004（常量）.000施用化肥量(kg/公頃).749.000風(fēng)災(zāi)面積比率(%).000年份.334.000總播種面積(萬公頃).344.141.000因變量：糧食總產(chǎn)量(y萬噸)結(jié)論：如上4個(gè)表所示，影響程度中大到小挨次是：施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%),年份,總播種面積(萬公頃)。（清除農(nóng)業(yè)勞動(dòng)者人數(shù)(百萬人)和糧食播種面積(萬公頃)對(duì)糧食總產(chǎn)量的影響）剔除農(nóng)業(yè)勞動(dòng)者人數(shù)(百萬人)和糧食播種面積(萬公頃)后：步驟：剖析回歸線性將糧食總產(chǎn)量導(dǎo)入因變量、其他4個(gè)變量（施用化肥量(kg/公頃),風(fēng)災(zāi)面積比率(%),年份,總播種面積(萬公頃)）導(dǎo)入自變量方法項(xiàng)選“輸入”確立。如7專業(yè)知識(shí)整理分享v1.0可編寫可改正下列圖：系數(shù)a非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)模型B標(biāo)準(zhǔn)錯(cuò)誤貝塔t明顯性1（常量）.000年份.334.000總播種面積(萬公頃).344.141.000施用化肥量(kg/公頃).749.000風(fēng)災(zāi)面積比率(%).000因變量：糧食總產(chǎn)量(y萬噸)糧食總產(chǎn)量回歸方程：Y=+++、一產(chǎn)業(yè)品銷售企業(yè)在30個(gè)地域設(shè)有銷售分企業(yè)。為研究產(chǎn)品銷售量(y)與該企業(yè)的銷售價(jià)錢（x1）、各地域的年人均收入(x2)、廣告花費(fèi)(x3)之間的8專業(yè)知識(shí)整理分享v1.0可編寫可改正關(guān)系，采集到30個(gè)地域的有關(guān)數(shù)據(jù)。進(jìn)行多元線性回歸剖析所得的部分剖析結(jié)果以下：ModelSumofSquaresDfMeanSquareFSig.RegressionResidualTotal.729UnstandardizedCodfficientsBtSig.(Constant)X1X2X31）將第一張表中的所缺數(shù)值補(bǔ)齊。2）寫出銷售量與銷售價(jià)錢、年人均收入、廣告花費(fèi)的多元線性回歸方程，并解說各回歸系數(shù)的意義。3）查驗(yàn)回歸方程的線性關(guān)系能否明顯4）查驗(yàn)各回歸系數(shù)能否明顯5）計(jì)算判斷系數(shù)，并解說它的實(shí)質(zhì)意義。6）計(jì)算回歸方程的預(yù)計(jì)標(biāo)準(zhǔn)偏差，并解說它的實(shí)質(zhì)意義。（1）模型平方和自由度均方F明顯性1.13回歸殘差26總計(jì).7292）Y=X1++9專業(yè)知識(shí)整理分享v1.0可編寫可改正3）回歸方程明顯性查驗(yàn)：整體線性關(guān)系明顯4）回歸系數(shù)明顯性查驗(yàn)：各個(gè)回歸系數(shù)查驗(yàn)均明顯5）略6）略7、對(duì)參加SAT考試的同學(xué)成績進(jìn)行隨機(jī)檢查，獲取他們閱讀考試和數(shù)學(xué)考試的成績以及性別數(shù)據(jù)。往常閱讀能力和數(shù)學(xué)能力擁有必定的線性有關(guān)性，請?jiān)谇宄詣e差別的條件下，剖析閱讀成績對(duì)數(shù)學(xué)成績的線性影響能否明顯。方法：采納進(jìn)入回歸策略。步驟：剖析回歸線性將MathSAT導(dǎo)入因變量、其他變量導(dǎo)入自變量確立。結(jié)果以下：已輸入/除掉變量a模型已輸入變量已除掉變量方法1Gender,Verbal.b輸入SAT10專業(yè)知識(shí)整理分享v1.0可編寫可改正因變量：MathSAT已輸入所有懇求的變量。模型綱要調(diào)整后的R平模型RR平方方標(biāo)準(zhǔn)估量的錯(cuò)誤1.710a.505.499a.展望變量：（常量），Gender,VerbalSATaANOVA模型平方和自由度均方F明顯性1回歸2.000b殘差159總計(jì)161a.因變量：MathSATb.展望變量：（常量），Gender,VerbalSAT系數(shù)a非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)模型B標(biāo)準(zhǔn)錯(cuò)誤貝塔t明顯性1（常量）.000VerbalSAT.686.055.696.000Gender.190.001a.因變量：MathSAT因概率P值小于明顯性水平（），所以表示在控制了性別以后，閱讀成績對(duì)數(shù)學(xué)成績有明顯的線性影響。8、試依據(jù)“糧食總產(chǎn)量.sav”數(shù)據(jù)，利用SPSS曲線預(yù)計(jì)方法選擇適合模型，對(duì)樣本期外的糧食總產(chǎn)量進(jìn)行外推展望，并對(duì)均勻展望偏差進(jìn)行預(yù)計(jì)。采納二次曲線步驟：圖形舊對(duì)話框拆線圖簡單個(gè)案值定義將糧食總產(chǎn)量導(dǎo)入線的表征確立結(jié)果以下：11專業(yè)知識(shí)整理分享v1.0可編寫可改正再雙擊上圖“元素”菜單增添標(biāo)志應(yīng)用接下來：剖析回歸曲線預(yù)計(jì)糧食總產(chǎn)量導(dǎo)入因變量、年份導(dǎo)入變量，點(diǎn)擊年份在模型中選擇二次項(xiàng)、立方、冪點(diǎn)擊“保留”按鈕選擇保留”展望值”持續(xù)確立。曲線擬合附注已創(chuàng)立輸出03-MAY-201809:28:44說明12專業(yè)知識(shí)整理分享v1.0可編寫可改正輸入數(shù)據(jù)薛薇《統(tǒng)計(jì)剖析與spss的應(yīng)用（第五版）》第9章SPSS回歸剖析習(xí)題糧食總產(chǎn)量.sav活動(dòng)數(shù)據(jù)集數(shù)據(jù)集1過濾器<無>寬度(W)<無>拆分文件<無>工作數(shù)據(jù)文件中的行數(shù)35缺失值辦理對(duì)缺失的定義用戶定義的缺失值被視作缺失。已使用的個(gè)案任何變量中帶出缺失值的個(gè)案不用于分析。語法CURVEFIT/VARIABLES=lsclWITHnf/CONSTANT/MODEL=LINEARQUADRATICCUBICPOWER/PRINTANOVA/PLOTFIT/SAVE=PRED.資源辦理器時(shí)間00:00:用時(shí)00:00:使用從第一個(gè)觀察值到最后一個(gè)觀察值展望從使用周期后的第一察看到最后一個(gè)觀察值變量已創(chuàng)立或已改正FIT_1CURVEFIT和MOD_1LINEAR中擁有nf的lscl的擬合FIT_2CURVEFIT和MOD_1QUADRATIC中擁有nf的lscl的擬合FIT_3CURVEFIT和MOD_1CUBIC中擁有nf的lscl的擬合FIT_4CURVEFIT和MOD_1POWER中擁有nf的lscl的擬合時(shí)間序列設(shè)置(TSET)輸出量PRINT=DEFAULT13專業(yè)知識(shí)整理分享v1.0可編寫可改正保留新變量NEWVAR=CURRENT自有關(guān)或偏自有關(guān)圖中的最大MXAUTO=16滯后數(shù)每個(gè)交錯(cuò)有關(guān)圖的最大延緩數(shù)MXCROSS=7每個(gè)過程生成的最大新變量數(shù)MXNEWVAR=4每個(gè)過程的最大新個(gè)案數(shù)MXPREDICT=1000用戶缺失值辦理MISSING=EXCLUDE置信區(qū)間百分比值CIN=95在回歸方程中輸入變量的容差TOLER=.0001最大迭代參數(shù)變化CNVERGE=.001計(jì)算標(biāo)準(zhǔn)的方法自有關(guān)的錯(cuò)誤ACFSE=IND季節(jié)周期長度未指定值在畫圖中標(biāo)志觀察值的變量未指定包含方程CONSTANT警示因?yàn)槟Ｐ晚?xiàng)之間存在靠近共線性，該二次模型沒法擬合。因?yàn)槟Ｐ晚?xiàng)之間存在靠近共線性，該立方模型沒法擬合。模型描繪模型名稱MOD_1因變量1糧食總產(chǎn)量(y萬噸)方程式1線性(L)2二次項(xiàng)(Q)3立方(U)4冪a自變量年份常量已包含值在畫圖中標(biāo)志觀察值的變量未指定對(duì)在方程式中輸入項(xiàng)的允許.0001此模型需要所有非缺失值為正。個(gè)案辦理綱要數(shù)字個(gè)案總計(jì)3514專業(yè)知識(shí)整理分享v1.0可編寫可改正清除的個(gè)案a0展望的個(gè)案0新創(chuàng)立的個(gè)案0任何變量中帶出缺失值的個(gè)案無需剖析。變量辦理綱要變量附屬自變量糧食總產(chǎn)量(y萬噸)年份正當(dāng)?shù)臄?shù)目3535零的數(shù)目00負(fù)值的數(shù)目00缺失值的數(shù)目用戶缺失00系統(tǒng)缺失00糧食總產(chǎn)量(y萬噸)線性(L)模型綱要RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估量的錯(cuò)誤.935.874.870自變量為年份。ANOVA平方和自由度均方F明顯性回歸(R)1.000殘差33總計(jì)34自變量為年份。系數(shù)15專業(yè)知識(shí)整理分享v1.0可編寫可改正非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)B標(biāo)準(zhǔn)錯(cuò)誤貝塔t明顯性年份.935.000（常量）.000二次項(xiàng)(Q)R

R平方

模型綱要調(diào)整后的

R平方

標(biāo)準(zhǔn)估量的錯(cuò)誤.936

.875

.872自變量為年份。ANOVA平方和自由度均方F明顯性回歸(R)1.000殘差33總計(jì)34自變量為年份。系數(shù)非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)B標(biāo)準(zhǔn)錯(cuò)誤貝塔t明顯性年份**2.180.012.936.000（常量）.000已清除的項(xiàng)輸入貝塔

t

明顯性

偏有關(guān)

最小容差年份a

.000

.000已達(dá)到輸入變量的允許界線。立方(U)模型綱要RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估量的錯(cuò)誤16專業(yè)知識(shí)整理分享v1.0可編寫可改正.936.877.873自變量為年份。ANOVA平方和自由度均方F明顯性回歸(R)1.000殘差33總計(jì)34自變量為年份。系數(shù)非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)B標(biāo)準(zhǔn)錯(cuò)誤貝塔t明顯性年份**3.000.936.000（常量）.000已清除的項(xiàng)輸入貝塔t明顯性偏有關(guān)最小容差年份a.000.000年份**2.000.000已達(dá)到輸入變量的允許界線。冪R

R平方

模型綱要調(diào)整后的