(完整word版)《統(tǒng)計分析與SPSS的應用(第五版)》課后練習答案(第9章)

1、統(tǒng)計分析與SPSS的應用（第五版）（薛薇）課后練習答案第9章SPSS的線性回歸分析1、利用第2章第9題的數(shù)據(jù)，任意選擇兩門課程成績作為解釋變量和被解釋變量，利用SPSS提供的繪制散點圖功能進行一元線性回歸分析。請繪制全部樣本以及不同性別下兩門課程 成績的散點圖，并在圖上繪制三條回歸直線，其中，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效果進行評價。選擇fore和phy兩門成績體系散點圖步驟：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導入設置標記確定。00.00-60.00-40.00-20.00-sexO fem

2、aleHmale40.0050.0060.0070.D060.D090.00100.00接下來在SPSS俞出查看器中，雙擊上圖，打開圖表編輯©照表福器-'*;|二！回4W在圖表編輯器中，選擇“元素”菜單選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。00.00-60.00-40.00'20.00-sex0 female male female male照線困0182female: R2 . ' - 0.20Smale: R2 油件= 0.16540.0050 006G.Q070.0000 0090.001Q0.00分析：如上圖所示，通過散點

3、圖，被解釋變量 y（即：fore）與解釋變量phy有一定 的線性關系。但回歸直線的擬合效果都不是很好。2、請說明線性回歸分析與相關分析的關系是怎樣的？相關分析是回歸分析的基礎和前提，回歸分析則是相關分析的深入和繼續(xù)。相關分析需要依靠回歸分析來表現(xiàn)變量之間數(shù)量相關的具體形式，而回歸分析則需要依靠相關分析來表現(xiàn)變量之間數(shù)量變化的相關程度。只有當變量之間存在高度相關時，進行回歸分析尋求其相關的具體形式才有意義。如果在沒有對變量之間是否相關以及相關方向和程度做出正確判斷之 前，就進行回歸分析，很容易造成“虛假回歸” 。與此同時，相關分析只研究變量之間相關 的方向和程度，不能推斷變量之間相互關系的具體形

4、式，也無法從一個變量的變化來推測另一個變量的變化情況，因此，在具體應用過程中，只有把相關分析和回歸分析結(jié)合起來，才能達到研究和分析的目的。線性回歸分析是相關性回歸分析的一種，研究的是一個變量的增加或減少會不會引起另一個變量的增加或減少。3、請說明為什么需要對線性回歸方程進行統(tǒng)計檢驗？ 一般需要對哪些方面進行檢驗？檢驗其可信程度并找出哪些變量的影響顯著、哪些不顯著。主要包括回歸方程的擬合優(yōu)度檢驗、顯著性檢驗、回歸系數(shù)的顯著性檢驗、 殘差分析等。線性回歸方程能夠較好地反映被解釋變量和解釋變量之間的統(tǒng)計關系的前提是被解釋 變量和解釋變量之間確實存在顯著的線性關系?；貧w方程的顯著性檢驗正是要檢驗被解釋

5、變量和解釋變量之間的線性關系是否顯著, 用線性模型來描述他們之間的關系是否恰當。一般包括回歸系數(shù)的檢驗，殘差分析等。4、請說明SPSS多元線性回歸分析中提供了哪幾種解釋變量篩選策略? 向前、向后、逐步。5、先收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)勞動人數(shù)等數(shù)據(jù)，請利用建立多元線性回歸方程， 分析影響糧食總產(chǎn)量的主要因素。數(shù)據(jù)文件名為 糧食總產(chǎn)量.sav”。方法：采用“前進“回歸策略。步驟：分析 回歸 線性 將糧食總產(chǎn)量導入因變量、其余變量導入自變量方法項選“前進”確定。如下圖：（也可向后、或逐步）已輸入/除去變量模型已輸入變量已除去變量方法1施用化肥量（kg/ 公頃）.向前（準則

6、:F-to-enter 的 概率 <=.050 ）2風災面積比例（%）. 1向前（準則：F-to-enter概率=.050的)3向前（準則：年份. 1F-to-enter的概率=.050)4總播種面積（萬.向前（準則：F-to-enter概率=.050的公頃）)1234RR平方調(diào)整后的方R平標準估算的錯誤.960 a.922.9192203.30154.975 b.950.9471785.90195.984 c.969.9661428.73617.994 d.989.987885.05221模型摘要a.預測變量：（常量）,施用化肥量b.預測變量：（常量）,施用化肥量c.預測變量：（常量）

7、,施用化肥量份d.預測變量：（常量）,施用化肥量份，總播種面積（萬公頃）（kg/公頃）（kg/公頃）,風災面積比例（）（kg/公頃）,風災面積比例（）,年（kg/公頃）,風災面積比例（）,年a.因變量：糧食總產(chǎn)量（y萬噸）ANOVA模型平方和自由度均方F顯著性1回歸1887863315.61611887863315.616388.886.000 b殘差160199743.070334854537.669總計2048063058.686342回歸1946000793.4222973000396.711305.069.000 c殘差102062265.263323189445.789總計20480

8、63058.686343回歸1984783160.3293661594386.776324.106.000 d殘差63279898.356312041287.044總計2048063058.686344回歸2024563536.0114506140884.003646.150.000 e殘差23499522.67530783317.423總計2048063058.68634a.因變量：糧食總產(chǎn)量（y萬噸）b.預測變量：（常量），施用化肥量 （kg/公頃）c.預測變量：（常量），施用化肥量 d.預測變量：（常量），施用化肥量 e.預測變量：（常量），施用化肥量（kg/公頃），風災面積比例 （kg

9、/公頃），風災面積比例 （kg/公頃），風災面積比例（%）（%）,年份（%）,年份，總播種面積（萬公頃）系數(shù)模型非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔1（常量）17930.148504.30835.554.000施用化肥量（kg/公頃）179.2879.092.96019.720.0002（常量）20462.336720.31728.407.000施用化肥量（kg/公頃）193.7018.1061.03723.897.000風災面積比例（）-327.22276.643-.185-4.269.0003（常量）-460006.046110231.478-4.173.000施用化肥量（kg/公頃

10、）137.66714.399.7379.561.000風災面積比例（）-293.43961.803-.166-4.748.000年份244.92056.190.3234.359.0004（常量）-512023.30768673.579-7.456.000施用化肥量（kg/公頃）139.9448.925.74915.680.000風災面積比例（）-302.32438.305-.171-7.893.000年份253.11534.827.3347.268.000總播種面積（萬公頃）2.451.344.1417.126.000a.因變量：糧食總產(chǎn)量（y萬噸）結(jié)論：如上4個表所示，影響程度中大到小依次是

11、： 施用化肥量（kg/公頃），風災面積比例（）, 年份，總播種面積（萬公頃）。（排除農(nóng)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(chǎn)量的影響）剔除農(nóng)業(yè)勞動者人數(shù)（百萬人）和糧食播種面積（萬公頃）后：步驟：分析 回歸 線性 將糧食總產(chǎn)量導入因變量、 其余4個變量（施用化肥量（kg/公頃）, 風災面積比例（）,年份，總播種面積（萬公頃）導入自變量 方法項選“輸入” 確定。 如 下圖：系數(shù)a模型非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔1（常量）年份總播種面積（萬公頃）施用化肥量（kg/公頃）風災面積比例（）-512023.307253.1152.451139.944-302.3246

12、8673.57934.827.3448.92538.305.334.141.749-.171-7.4567.2687.12615.680-7.893.000.000.000.000.000a.因變量：糧食總產(chǎn)量（y萬噸）糧食總產(chǎn)量回歸方程：Y=-7.893X1+15.68X2+7.126X3+7.268X4-7.4566、一家產(chǎn)品銷售公司在 30個地區(qū)設有銷售分公司。為研究產(chǎn)品銷售量（y）與該公司的銷售價格（x1）、各地區(qū)的年人均收入（x2）、廣告費用（x3）之間的關系，搜集到 30個地區(qū)的有關 數(shù)據(jù)。進行多元線性回歸分析所得的部分分析結(jié)果如下：ModelSum of SquaresDfMea

13、n SquareFSig.Regression4008924.78.88341E-13ResidualTotal13458586.729Unstandardized CodfficientstSig.BStd.Error(Constant)7589.10252445.02133.10390.00457X1-117.886131.8974-3.69580.00103X280.610714.76765.45860.00001X30.50120.12593.98140.000491)將第一張表中的所缺數(shù)值補齊。2)寫出銷售量與銷售價格、年人均收入、廣告費用的多元線性回歸方程，并解釋各回歸 系數(shù)的意義

14、。3)檢驗回歸方程的線性關系是否顯著？4)檢驗各回歸系數(shù)是否顯著？5)計算判定系數(shù)，并解釋它的實際意義。6)計算回歸方程的估計標準誤差，并解釋它的實際意義。(1)模型平方和自由度均方F顯著性1回歸12026774.134008924.772.88.88341E-13 b殘差1431812.62655069.7154總計13458586.729(2) Y=7589.1-117.886 X1+80.6X2+0.5X3(3)回歸方程顯著性檢驗：整體線性關系顯著(4)回歸系數(shù)顯著性檢驗：各個回歸系數(shù)檢驗均顯著略(6)略7、對參加 SAT考試的同學成績進行隨機調(diào)查，獲得他們閱讀考試和數(shù)學考試的成績以及

15、性別數(shù)據(jù)。通常閱讀能力和數(shù)學能力具有一定的線性相關性，請在排除性別差異的條件下， 分析閱讀成績對數(shù)學成績的線性影響是否顯著。方法：采用進入回歸策略。步驟：分析 回歸 線性 將MathSAT導入因變量、其余變量導入自變量確定。學淺性回歸夕 Veg| SATIReadin.£> Genderm Sex因變量5| " Matti ST MathSATI的 1頁下一頁d）自變量!;：夕 verbal SAT (ReadingST.i GenderStatistics.繪圖、*保存方L選項1 樣式日；Bootstrap.方法幽）:喻入遞擇變量上;I11規(guī)則小案標噂©:

16、'.VLS權重俎）重置E取消 幫助確定料貼坦）結(jié)果如下:已輸入/除去變量a模型已輸入變量已除去變量方法1Gender, Verbal saT. 1輸入a.因變量：Math SATb.已輸入所有請求的變量。模型摘要模型RR平方調(diào)整后的R平方標準估算的錯誤1a.710.505.49969.495a.預測變量：（常量）,Gender, Verbal SATanoVA模型平方和自由度均方F顯著性1回歸782588.4682391294.23481.021.000 b殘差767897.9511594829.547總計1550486.420161a.因變量：Math SATb.預測變量：（常量）,

17、Gender, Verbal SAT系數(shù)模型非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔1（常量）Verbal SAT184.582.68634.068.055.6965.41812.446.000.000Gender37.21910.940.1903.402.001a.因變量：Math SAT因概率P值小于顯著性水平（0.05）,所以表明在控制了性別之后，閱讀成績對數(shù)學成績有 顯著的線性影響。8、試根據(jù) 糧食總產(chǎn)量.sav數(shù)據(jù)，利用SPSS曲線估計方法選擇恰當模型，對樣本期外的糧食總產(chǎn)量進行外推預測，并對平均預測誤差進行估計。采用二次曲線步驟：圖形舊對話框拆線圖簡單個案值定義將糧食總產(chǎn)量導入線

18、的表征確定結(jié)果如下：位糧食總產(chǎn)dHy/Jtl再雙擊上圖“元素”菜單 添加標記應用接下來：分析 回歸 曲線估計 糧食總產(chǎn)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、哥 點擊“保存”按鈕選擇保存"預測值”繼續(xù) 確定。曲線擬合附注已創(chuàng)建輸出注釋03-MAY-2018 09:28:44輸入數(shù)據(jù)薛薇統(tǒng)計分析與spss的應用(第五版)第9章SPSS回歸分析習題糧食總'產(chǎn)量.sav活動數(shù)據(jù)集數(shù)據(jù)集1過濾器管寬度(W)管拆分文件管工作數(shù)據(jù)文件中的行數(shù)35缺失值處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有缺失值的個案不用于分 析。語法CURVEFIT

19、/VARIABLES=lscl WITH nf/CONSTANT/MODEL=LINEAR QUADRATIC CUBICPOWER/PRINT ANOVA/PLOT FIT/SAVE=PRED .資源處理器時間00:00:00.19用時00:00:00.25使用從第一個觀測值到最后一個觀測值預測從使用周期后的第一觀察到最后一個觀測值變量已創(chuàng)建或已修改FIT_1CURVEFIT和 MOD_1 LINEAR 中具有 nf的lscl 的擬合FIT_2CURVEFIT和 MOD_1 QUADRATIC 中具有nf的lscl 的擬合FIT_3CURVEFIT和 MOD_1 CUBIC 中具有 nf的l

20、scl 的擬合FIT_4CURVEFIT和 MOD_1 POWER中具有 nf的lscl 的擬合時間序列設置(TSET)輸出量PRINT = DEFAULT保存新變量NEWVAR = CURRENT自相關或偏自相關圖中的最大MXAUTO = 16滯后數(shù)每個交叉相關圖的最大延遲數(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用戶缺失值處理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計算標準的方法自相關

21、的錯誤ACFSE = IND季節(jié)周期長度未指定值在繪圖中標記觀測值的變量未指定包括方程CONSTANT警告由于模型項之間存在接近共線性，該二次模型無法擬合。由于模型項之間存在接近共線性，該立方模型無法擬合。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(Q)3立方(U)4幕a自變量年份常量已包括值在繪圖中標記觀測值的變量未指定對在方程式中輸入項的容許模型描述.0001a.此模型需要所有非缺失值為正。個案處理摘要數(shù)字個案總計 排除的個案a 預測的個案 新創(chuàng)建的個案35000a.任何變量中帶有缺失值的 個案無需分析。變量處理摘要變量從屬自變量糧食總產(chǎn)量（y萬 噸）年份正值

22、的數(shù)目零的數(shù)目負值的數(shù)目缺失值的數(shù)目用戶缺失系統(tǒng)缺失350000350000糧食總產(chǎn)量（y萬噸）線性（L）模型摘要RR平方調(diào)整后的R平方標準估算的錯誤.935.874.8702795.862自變量為年份ANOVA平方和自由度均方F顯著性回歸（R）1790107249.41211790107249.412229.006.000殘差257955809.274337816842.705總計2048063058.68634自變量為年份系數(shù)非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔年份708.11846.793.93515.133.000I （常量） I -1369647.904 I 92136.775

23、 I-14.865.000 I二次項（Q）模型摘要RR平方調(diào)整后的R平方標準估算的錯誤.936.875.8722782.149自變量為年份ANOVA平方和自由度均方F顯著性回歸（R）1792631355.01411792631355.014231.596.000殘差255431703.672337740354.657總計2048063058.68634自變量為年份系數(shù)非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔年份* 2.180.012.93615.218.000（常量）-673013.92645845.338-14.680.000已排除的項輸入貝塔t顯著性偏相關最小容差年份a-125.061-

24、7.851.000-.811.000a.已達到輸入變量的容許界限立方（U）模型摘要RR平方調(diào)整后的R平方標準估算的錯誤.936.877.8732768.471自變量為年份ANOVA平方和自由度均方F顯著性回歸（R）1795136897.27411795136897.274234.217.000殘差252926161.411337664429.134總計2048063058.68634自變量為年份系數(shù)非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔年份* 3（常量）6.097E-5-440802.441.00030416.171.93615.304-14.492.000.000已排除的項輸入貝塔t顯著

25、性偏相關最小容差年份a-62.046-7.785.000-.809.000年份* 2-124.059-7.779.000-.809.000a.已達到輸入變量的容許界限模型摘要RR平方調(diào)整后的R平方標準估算的錯誤.938.880.877.108自變量為年份ANOVA平方和自由度均方F顯著性回歸（R）2.82512.825242.844.000殘差.38433.012總計3.20934自變量為年份系數(shù)非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔ln（年份）（常量）55.3917.936E-1793.554.000.93815.583 .000 .因變量為ln（糧食總'產(chǎn)量（y萬噸）糧食總產(chǎn)量

26、(V萬噸)。.0)一生性二次原-TZ萬甫(W)1950.001900.001970.001980.001990.00年份sig 值為 0<0.05,分析：如上表所示，糧食總產(chǎn)量總體呈現(xiàn)上升趨勢，在對回歸進行檢驗時, 故拒絕原假設，即認為回歸方程中解釋變量與被解釋變量間顯著。預測值:文山日 AM機目 現(xiàn)Bigi 盟師中 外枷D 升1fr四 峋劃 酰:回 工用，脖乜I 睡口 理 已覽叼1UQ r r國金攜 M罵® ¥出見,"1!*IkI厲3)“ztumi小1dmFUJIHT_2FnrjTHT.4RHE_ 1修加1酹維M14126.00.55追怕2 M儂野.aac

27、1囂”幻蛇01給博2解組14557般雷32IKJ.flfi1蝌制1四&瞌144tba.OOJ14戈1骷10的期上例。13325*165313溺邛濃143T6 T3?flO31雙味16952M1 判 ggm14793.001 1319D M14513.978161402BM15UW3.43t1115407 47860A1期FQ18 網(wǎng) 0012WS151QBD01.635演195 3014722.09M014732 CM95514743.123171535D 3TH8351期QQ國博的1363JW1517 DO212學M200 301M30 2151M35«MW15JJ1 52W71005 T7I21G1湖M畤3KMU353®T54IQ0£羽2A5M*5135 331(131用I節(jié)耀羽雨141 &LM7157T4 g芮HT1期0D如皿0017TE1 091199 聃3 74g 1&1 際6 4W416B44 39B4T1B642 4T93S135 43321H由的1T0MM11fidi M14期上附工打帕知了的修於"的g17中時拉盟1T如的皿口irrstuiiH91則方0143KN12243 «1 姻 8.M4 41197 G0I 隧ZE84m1整1整IG