spss軟件分析異常值檢驗(yàn)實(shí)驗(yàn)報(bào)告

1、實(shí)驗(yàn)五:殘差分析【實(shí)驗(yàn) LI的】（1）通過殘差檢驗(yàn)，掌握殘差分析的方法（2）異常值檢驗(yàn)【儀器設(shè)備】計(jì)算機(jī)、SPSS軟件、何曉群實(shí)用回歸分析表 4. 15和表 5. 6的數(shù)據(jù)【實(shí)驗(yàn)內(nèi)容、步驟和結(jié)果】1. 1對(duì)何曉群實(shí)用回歸分析表 4. 15的數(shù)據(jù)進(jìn)行殘差分析原始數(shù)據(jù)如表 1,其中 y表示貨運(yùn)總量（億噸）xl表示工業(yè)總產(chǎn)值（億元）x2表示農(nóng)業(yè)總產(chǎn)值（億元）x3表示居民非商業(yè)支出（億元）表 1.yxlx2x31607035126075402.4210654022657442324072381.222068451. 5275784241606636227570443.2250654231. 2對(duì)表 1

2、數(shù)據(jù)用 spss 軟件進(jìn)行分析得以下各表表 2.模型匯總模型RR方調(diào)整 R方標(biāo)準(zhǔn)估計(jì)的誤差1 898a.806 70823. 442a.預(yù)測(cè)變量：（常量），x3, xl, x2ob.因變量：y由上表可知復(fù)相關(guān)系數(shù) R二 0.898,決定系數(shù) R方=0. 806,由決定系數(shù)看出回 歸方程的顯著性不高，接下來看方差分析表 3表 3Anova模型平方和df均方FSig.1回歸13655. 37034551. 7908. 283 015a殘差3297. 1306549. 522總計(jì)16952.5009a.預(yù)測(cè)變量：（常量），x3, xl, x2。b.因變量：y山表 3 知 F 值為 8. 283 較小

3、，說明 xl、x2、x3 整體上對(duì) y 的影響不太顯著。表 4 系數(shù)模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）-348. 280176. 459-1. 974.096X13. 7541.933.3851.942.100 x27. 1012. 880.5352.465.049x312. 44710. 569.2771. 178 284回歸方程為y =-348.280+3.754嗎 +7.10匕 +12.447%表 5殘差統(tǒng)計(jì)量極小值極大值均值標(biāo)準(zhǔn)偏差N預(yù)測(cè)值175. 47292.55231. 5038.95210標(biāo)準(zhǔn)預(yù)測(cè)值-1.4381.567.0001.00010預(yù)測(cè)值的標(biāo)準(zhǔn)

4、誤差10. 46620. 19114.5263. 12710調(diào)整的預(yù)測(cè)值188. 35318. 11240. 1849.83910殘差- 25. 19833. 225.00019. 14010標(biāo)準(zhǔn)殘差-1.0751.417.000.81610Student化殘差-2. 1161. 754-1231. 18810已刪除的殘差-97. 61550. 883-8. 68343. 43210Student化已刪除的殘差-3. 8322. 2942551.65810Mahal o距離.8945. 7772. 7001.55510Cook的距離.0003.216.486.97610居中杠桿值.099.64

5、2.300.17310圖 1.學(xué)生化殘差圖 2回歸學(xué)生化刪除的殘差圖 3回歸刪除的殘差:1. 3對(duì)數(shù)據(jù)用 spss進(jìn)行分析得表 6異常值的診斷分析yxlx2 x3ZRE 1SRE 1SDR 1C00 lLEV 11607035 1-0. 66014-0.89353-0.876040. 166090. 354182607540 2.40. 54710. 627670. 592770. 031150. 140252106540 20. 227980. 265170. 243490. 00620. 160792657442 3-0.00388-0.00433-0.0039600. 099352407

6、238 1.21.417361.7542.293830. 408740. 247022206845 1.5-1. 0749-2 11566-3.832143.216010. 641872757842 4-0. 74885-1. 17348-1. 220390. 50110. 492771606636 2-0.85347-1. 16281-1. 206060. 289460. 361292757044 3.20. 351270. 409350. 379020.0150. 163662506542 30. 797521. 064621.079110. 221580. 33883從表 6中可以看出，

7、絕對(duì)值最大的學(xué)生化殘差 SRE二 2 11566,小于 3,因而根據(jù) 學(xué)生化殘差診斷認(rèn)為數(shù)據(jù)不存在異常值.絕對(duì)值最大的刪除學(xué)生化殘差為SDR二 3. 83214,因而根據(jù)學(xué)生化刪除殘差診斷認(rèn)為第 6個(gè)數(shù)據(jù)為異常值.其中中心化 杠桿值 0. 64187, cook距離為 3. 21601位于笫一大.因此第 6個(gè)數(shù)據(jù)為異常值.2.1對(duì)何曉群實(shí)用回歸分析表 5. 6的數(shù)據(jù)進(jìn)行殘差分析圖 2回歸學(xué)生化刪除的殘差原始數(shù)據(jù)為：表 7. 10個(gè)啤酒品牌的廣告費(fèi)用和銷售量啤酒品牌廣告費(fèi) X/萬元銷售量 Y/萬箱A12036. 3B68. 720. 7C100. 115.9D76.613.2E8. 78. 1F

8、17. 1G21.55.6H1.44.4I5.34.4J1.74.32.2對(duì)上表數(shù)據(jù)進(jìn)行回歸分析得表 8.系數(shù) a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1（常量）4.0682. 1661.878.097廣告費(fèi)/萬元 196.036.8865. 393.001回歸方程為y = 4.068 + 0.196x回歸方程通過了 F檢驗(yàn)、t 檢驗(yàn)，只是表明變量 x 和 y之間的線性關(guān)系是顯著 的，但不能保證數(shù)據(jù)擬合得很好。殘差分析可知存在有影響的觀測(cè)值并且為異值。2.3 對(duì)表 7進(jìn)行異常值診斷分析得表 9:表 9.異常值的診斷分析啤酒品牌 廣告費(fèi)/萬元 銷售量/萬箱ZRE 1SRE 1SDR

9、1C00 lLEV 1A12036. 31. 736062. 298623. 689961. 98954 0. 32958B68.720.70. 631790. 681860. 657210. 03831 0. 04147C100. 115.9-1. 54544 -1.82798-2.240770. 66673 0. 18523D76.613.2-1. 16719 -1.27958-1.342140. 16526 0. 06796E& 78. 10. 462860. 502850. 477990. 02279 0. 05273F17. 10. 563860. 62320. 597640

10、. 04302 0. 08136G21.55.6-0.53271-0.5675-0.541860. 02171 0. 01882H1.44.40.011410. 012590.011780. 00002 0. 07972I5.34.4-0.14047-0.15369-0.143970. 00233 0. 06461J1.74.3-0.02016-0.02224-0.020810. 00005 0. 0785從表 9中可以看出，絕對(duì)值最大的學(xué)生化殘差 SRE二 2. 29862,小于 3,因而根據(jù) 學(xué)生化殘差診斷認(rèn)為數(shù)據(jù)不存在異常值.絕對(duì)值最大的刪除學(xué)生化殘差為SDR二 3. 68996,因而根據(jù)學(xué)生化刪除殘差診斷認(rèn)為第 1個(gè)數(shù)據(jù)為異常值.其中中心化 杠桿值 0. 3295& cook距離為 1. 98954位于第一大.因此第 1個(gè)數(shù)據(jù)為異常值.從回 歸標(biāo)準(zhǔn)化殘差圖 4 看，y的觀測(cè)值的方差不相同，而是隨著 x的增加而增加的。異 常值的原因并不是數(shù)據(jù)的隨機(jī)誤差，而是由于本數(shù)據(jù)存在異方差，應(yīng)采用加權(quán)最小 二乘法進(jìn)行回歸，回歸結(jié)果會(huì)較精確。圖 4回歸標(biāo)準(zhǔn)化殘差圖【實(shí)驗(yàn)小