《統(tǒng)計分析和SPSS的應用(第五版)》課后練習與解析(第9章)

v1.0可編寫可改正《統(tǒng)計剖析與SPSS的應用（第五版）》（薛薇）課后練習答案第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供給的繪制散點圖功能進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圖，并在圖上繪制三條回歸直線，此中，第一條針對全體樣本，第二和第三條分別針對男生樣本和女生樣本，并對各回歸直線的擬和成效進行評論。選擇fore和phy兩門成績系統(tǒng)散點圖步驟：圖形舊對話框散點圖簡單散點圖定義將fore導入Y軸，將phy導入X軸，將sex導入設置標志確立。1專業(yè)知識整理分享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”菜單項選擇擇總計擬合線選擇線性應用再選擇元素菜單點擊子組擬合線選擇線性應用。2專業(yè)知識整理分享v1.0可編寫可改正剖析：如上圖所示，經過散點圖，被解說變量y(即：fore)與解說變量phy有必定的線性關系。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剖析的關系是如何的有關剖析是回歸剖析的基礎和前提，回歸剖析則是有關剖析的深入和持續(xù)。有關剖析需要依靠回歸剖析來表現(xiàn)變量之間數(shù)目有關的詳細形式，而回歸剖析則需要依賴有關剖析來表現(xiàn)變量之間數(shù)目變化的有關程度。只有當變量之間存在高度有關時，進行回歸剖析追求其有關的詳細形式才存心義。假如在沒有對變量之間能否有關以及有關方向和程度做出正確判斷之前，就進行回歸剖析，很簡單造成“虛假回歸”。與此同時，有關剖析只研究變量之間有關的方向和程度，不可以推測變量之間互相關系的詳細形式，也沒法從一個變量的變化來推測另一個變量的變化狀況，所以，在詳細應用過程中，只有把有關剖析和回歸剖析聯(lián)合起來，才能達到研究和剖析的目的。3專業(yè)知識整理分享v1.0可編寫可改正線性回歸剖析是有關性回歸剖析的一種，研究的是一個變量的增添或減少會不會惹起另一個變量的增添或減少。3、請說明為何需要對線性回歸方程進行統(tǒng)計查驗一般需要對哪些方面進行查驗查驗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、明顯性查驗、回歸系數(shù)的明顯性查驗、殘差剖析等。線性回歸方程可以較好地反應被解說變量和解說變量之間的統(tǒng)計關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系?；貧w方程的明顯性查驗正是要查驗被解說變量和解說變量之間的線性關系能否明顯，用線性模型來描繪他們之間的關系能否適合。一般包含回歸系數(shù)的查驗，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量以及播種面積、使用化肥量、農業(yè)勞感人數(shù)等數(shù)據(jù)，請利用成立多元線性回歸方程，剖析影響糧食總產量的主要要素。數(shù)據(jù)文件名為“糧食總產量.sav”。方法：采納“行進“回歸策略。步驟：剖析回歸線性將糧食總產量導入因變量、其他變量導入自變量方法項選“前進”確立。以下列圖：（也可向后、或逐漸）4專業(yè)知識整理分享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（準則：公頃).F-to-enter的概率<=.050）2向前（準則：風災面積比率.F-to-enter(%)的概率<=.050）3向前（準則：年份.F-to-enter的概率<=.050）4總播種面積(萬向前（準則：公頃).F-to-enter的概率<=.050）a.因變量：糧食總產量(y萬噸)5專業(yè)知識整理分享v1.0可編寫可改正模型綱要調整后的R平模型RR平方方標準估量的錯誤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),風災面積比率(%)c.展望變量：（常量），施用化肥量(kg/公頃),風災面積比率(%),年份d.展望變量：（常量），施用化肥量(kg/公頃),風災面積比率(%),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342回歸2c.000殘差32總計343回歸3.000d殘差.35631總計344回歸4.000e殘差.67530總計34因變量：糧食總產量(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),風災面積比率(%)d.展望變量：（常量），施用化肥量(kg/公頃),風災面積比率(%),年份e.展望變量：（常量），施用化肥量(kg/公頃),風災面積比率(%),年份,總播種面積(萬公頃)系數(shù)a非標準化系數(shù)標準系數(shù)模型B標準錯誤貝塔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風災面積比率(%).0003（常量）.000施用化肥量(kg/公頃).737.000風災面積比率(%).000年份.323.0004（常量）.000施用化肥量(kg/公頃).749.000風災面積比率(%).000年份.334.000總播種面積(萬公頃).344.141.000因變量：糧食總產量(y萬噸)結論：如上4個表所示，影響程度中大到小挨次是：施用化肥量(kg/公頃),風災面積比率(%),年份,總播種面積(萬公頃)。（清除農業(yè)勞動者人數(shù)(百萬人)和糧食播種面積(萬公頃)對糧食總產量的影響）剔除農業(yè)勞動者人數(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量導入因變量、其他4個變量（施用化肥量(kg/公頃),風災面積比率(%),年份,總播種面積(萬公頃)）導入自變量方法項選“輸入”確立。如7專業(yè)知識整理分享v1.0可編寫可改正下列圖：系數(shù)a非標準化系數(shù)標準系數(shù)模型B標準錯誤貝塔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風災面積比率(%).000因變量：糧食總產量(y萬噸)糧食總產量回歸方程：Y=+++、一產業(yè)品銷售企業(yè)在30個地域設有銷售分企業(yè)。為研究產品銷售量(y)與該企業(yè)的銷售價錢（x1）、各地域的年人均收入(x2)、廣告花費(x3)之間的8專業(yè)知識整理分享v1.0可編寫可改正關系，采集到30個地域的有關數(shù)據(jù)。進行多元線性回歸剖析所得的部分剖析結果以下：ModelSumofSquaresDfMeanSquareFSig.RegressionResidualTotal.729UnstandardizedCodfficientsBtSig.(Constant)X1X2X31）將第一張表中的所缺數(shù)值補齊。2）寫出銷售量與銷售價錢、年人均收入、廣告花費的多元線性回歸方程，并解說各回歸系數(shù)的意義。3）查驗回歸方程的線性關系能否明顯4）查驗各回歸系數(shù)能否明顯5）計算判斷系數(shù)，并解說它的實質意義。6）計算回歸方程的預計標準偏差，并解說它的實質意義。（1）模型平方和自由度均方F明顯性1.13回歸殘差26總計.7292）Y=X1++9專業(yè)知識整理分享v1.0可編寫可改正3）回歸方程明顯性查驗：整體線性關系明顯4）回歸系數(shù)明顯性查驗：各個回歸系數(shù)查驗均明顯5）略6）略7、對參加SAT考試的同學成績進行隨機檢查，獲取他們閱讀考試和數(shù)學考試的成績以及性別數(shù)據(jù)。往常閱讀能力和數(shù)學能力擁有必定的線性有關性，請在清除性別差別的條件下，剖析閱讀成績對數(shù)學成績的線性影響能否明顯。方法：采納進入回歸策略。步驟：剖析回歸線性將MathSAT導入因變量、其他變量導入自變量確立。結果以下：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。模型綱要調整后的R平模型RR平方方標準估量的錯誤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161a.因變量：MathSATb.展望變量：（常量），Gender,VerbalSAT系數(shù)a非標準化系數(shù)標準系數(shù)模型B標準錯誤貝塔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，閱讀成績對數(shù)學成績有明顯的線性影響。8、試依據(jù)“糧食總產量.sav”數(shù)據(jù)，利用SPSS曲線預計方法選擇適合模型，對樣本期外的糧食總產量進行外推展望，并對均勻展望偏差進行預計。采納二次曲線步驟：圖形舊對話框拆線圖簡單個案值定義將糧食總產量導入線的表征確立結果以下：11專業(yè)知識整理分享v1.0可編寫可改正再雙擊上圖“元素”菜單增添標志應用接下來：剖析回歸曲線預計糧食總產量導入因變量、年份導入變量，點擊年份在模型中選擇二次項、立方、冪點擊“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)知識整理分享v1.0可編寫可改正輸入數(shù)據(jù)薛薇《統(tǒng)計剖析與spss的應用（第五版）》第9章SPSS回歸剖析習題糧食總產量.sav活動數(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缺失值辦理對缺失的定義用戶定義的缺失值被視作缺失。已使用的個案任何變量中帶出缺失值的個案不用于分析。語法CURVEFIT/VARIABLES=lsclWITHnf/CONSTANT/MODEL=LINEARQUADRATICCUBICPOWER/PRINTANOVA/PLOTFIT/SAVE=PRED.資源辦理器時間00:00:用時00:00:使用從第一個觀察值到最后一個觀察值展望從使用周期后的第一察看到最后一個觀察值變量已創(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的擬合時間序列設置(TSET)輸出量PRINT=DEFAULT13專業(yè)知識整理分享v1.0可編寫可改正保留新變量NEWVAR=CURRENT自有關或偏自有關圖中的最大MXAUTO=16滯后數(shù)每個交錯有關圖的最大延緩數(shù)MXCROSS=7每個過程生成的最大新變量數(shù)MXNEWVAR=4每個過程的最大新個案數(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計算標準的方法自有關的錯誤ACFSE=IND季節(jié)周期長度未指定值在畫圖中標志觀察值的變量未指定包含方程CONSTANT警示因為模型項之間存在靠近共線性，該二次模型沒法擬合。因為模型項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糧食總產量(y萬噸)方程式1線性(L)2二次項(Q)3立方(U)4冪a自變量年份常量已包含值在畫圖中標志觀察值的變量未指定對在方程式中輸入項的允許.0001此模型需要所有非缺失值為正。個案辦理綱要數(shù)字個案總計3514專業(yè)知識整理分享v1.0可編寫可改正清除的個案a0展望的個案0新創(chuàng)立的個案0任何變量中帶出缺失值的個案無需剖析。變量辦理綱要變量附屬自變量糧食總產量(y萬噸)年份正當?shù)臄?shù)目3535零的數(shù)目00負值的數(shù)目00缺失值的數(shù)目用戶缺失00系統(tǒng)缺失00糧食總產量(y萬噸)線性(L)模型綱要RR平方調整后的R平方標準估量的錯誤.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34自變量為年份。系數(shù)15專業(yè)知識整理分享v1.0可編寫可改正非標準化系數(shù)標準系數(shù)B標準錯誤貝塔t明顯性年份.935.000（常量）.000二次項(Q)R

R平方

模型綱要調整后的

R平方

標準估量的錯誤.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34自變量為年份。系數(shù)非標準化系數(shù)標準系數(shù)B標準錯誤貝塔t明顯性年份**2.180.012.936.000（常量）.000已清除的項輸入貝塔

t

明顯性

偏有關

最小容差年份a

.000

.000已達到輸入變量的允許界線。立方(U)模型綱要RR平方調整后的R平方標準估量的錯誤16專業(yè)知識整理分享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34自變量為年份。系數(shù)非標準化系數(shù)標準系數(shù)B標準錯誤貝塔t明顯性年份**3.000.936.000（常量）.000已清除的項輸入貝塔t明顯性偏有關最小容差年份a.000.000年份**2.000.000已達到輸入變量的允許界線。冪R

R平方

模型綱要調整后的