spss考試要點(diǎn)

1、Spss考試11203609 徐亞飛 經(jīng)濟(jì)2286頁練習(xí)五1-(a)Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.993a.987.985992.03949a. Predictors: (Constant), 農(nóng)業(yè)勞動者人數(shù)(百萬人), 總播種面積(萬公頃), 風(fēng)災(zāi)面積比例(%), 糧食播種面積(萬公頃), 施用化肥量(kg/公頃)b. Dependent Variable: 糧食總產(chǎn)量(y萬噸)表1-（a）中各列數(shù)據(jù)項（從第二列開始）的含義依次為：被解釋變量和解釋變量的負(fù)相關(guān)系數(shù)、判定系數(shù)R的

2、平方、調(diào)整的判定系數(shù) R拔得平方，回歸方程的估計標(biāo)準(zhǔn)誤差。一句該表可進(jìn)行擬合優(yōu)度的檢驗(yàn)。由于該方程中有多個解釋變量，因此，應(yīng)參考調(diào)整的判定系數(shù)。由于調(diào)整的判定系數(shù)（0.985）較接近1.因此，認(rèn)為擬合優(yōu)度高，被解釋變量可以被模型解釋的部分較多，不能被解釋道額部分少。1-(b)ANOVAaModelSum of SquaresdfMean SquareFSig.1Regression2206253676.5825441250735.316448.361.000bResidual29524270.64030984142.355Total2235777947.22235a. Dependent Va

3、riable: 糧食總產(chǎn)量(y萬噸)b. Predictors: (Constant), 農(nóng)業(yè)勞動者人數(shù)(百萬人), 總播種面積(萬公頃), 風(fēng)災(zāi)面積比例(%), 糧食播種面積(萬公頃), 施用化肥量(kg/公頃)表9-1（b）中格列數(shù)據(jù)項（從第一列開始）的含義依次為：被解釋變量的變差來源、離差平方和、自由度、方差、回歸方程顯著性檢驗(yàn)中F檢驗(yàn)統(tǒng)計量的觀測值和概率p-值，可以看到：被解釋變量的總離差平方和為回歸平方和2235777947.22及方差分別為2206253676.58和，441250735.316剩余平方和29524270.640及方差分別為和984142.355，F(xiàn)檢驗(yàn)統(tǒng)計量的觀測

4、值為448.361，對應(yīng)的概率p-值近似于0.一句表格可進(jìn)行回歸方程的顯著性檢驗(yàn)，如果顯著性水平為0.05，由于概率p-值小于顯著水平，應(yīng)拒絕回歸方程顯著性檢驗(yàn)的原假設(shè)，認(rèn)為各回歸系數(shù)不同是為0，被解釋變量與解釋變量全體的線性關(guān)系是顯著的，可建立線性模1-(c)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)-24425.3576443.948-3.790.001糧食播種面

5、積(萬公頃)-.289.762-.020-.379.707.1526.587總播種面積(萬公頃)2.567.673.1423.813.001.3183.144施用化肥量(kg/公頃)130.89911.640.71611.246.000.1099.202風(fēng)災(zāi)面積比例(%)-240.27146.725-.135-5.142.000.6431.555農(nóng)業(yè)勞動者人數(shù)(百萬人)46.4209.330.3454.975.000.09210.918a. Dependent Variable: 糧食總產(chǎn)量(y萬噸)表9-1（c）中各列數(shù)據(jù)項（從第二列開始）的含義依次為：偏回歸系數(shù)，偏回歸系數(shù)的標(biāo)準(zhǔn)誤差、標(biāo)準(zhǔn)

6、化偏回歸系數(shù)、回歸系數(shù)顯著性檢驗(yàn)中t檢驗(yàn)統(tǒng)計量的觀測值、對應(yīng)的概率P-值、解釋變量的容忍度和方差膨脹因子。依據(jù)表可以進(jìn)行回歸系數(shù)的顯著性檢驗(yàn)，寫出回歸方程和檢測多重共線性。如果顯著性水平位0.05，除年份以外，其他變量的回歸系數(shù)顯著性檢驗(yàn)的概率都大于顯著性水平a，因此不拒絕原假設(shè)，認(rèn)為這些偏回歸系數(shù)與0無顯著差異，他們與被解釋變量的線性關(guān)系是不顯著的，不應(yīng)該保留在方程中。由于該模型中保留了一些不應(yīng)該保留的變量，因此該模型目前是不可用的，贏重新建模。同事，從容忍度和方差膨脹因子看·，投入糧食總播種面積的年數(shù)與其他解釋變量的多重共線性很嚴(yán)重，在重新建模時可考慮剔除該變量。1-(d)Col

7、linearity DiagnosticsaModelDimensionEigenvalueCondition IndexVariance Proportions(Constant)糧食播種面積(萬公頃)總播種面積(萬公頃)施用化肥量(kg/公頃)風(fēng)災(zāi)面積比例(%)農(nóng)業(yè)勞動者人數(shù)(百萬人)115.4031.000.00.00.00.00.00.002.4713.385.00.00.00.10.00.003.1196.727.00.00.00.02.78.004.00532.885.00.01.00.84.15.605.000106.176.98.07.10.03.02.116.000182.1

8、45.02.92.90.01.05.29a. Dependent Variable: 糧食總產(chǎn)量(y萬噸)表9-1（d）中各列格列數(shù)據(jù)項（從第二列開始）的含義依次為：特征值、條件指數(shù)、各項特征解各解釋變量的方差比（各比例之和等于1）。依據(jù)該表可進(jìn)行多重共線性檢測。從方差比來看，第七個特征值既能解釋投入糧食播種面積方差的92%，也可解釋投入高級職稱的人年數(shù)方差的90%，同時還可解釋使用風(fēng)災(zāi)面積的5%，因此有理由認(rèn)為這些變量存在多重共線性；從條件指數(shù)來看，第5、6、7個條件指數(shù)都大于10，說明變量間確實(shí)存在多重共線性?？傊?，通過上述分析知道上面的回歸方程中存在一些不容忽視的問題，應(yīng)重新建立回歸方程

9、。2-(a)Model SummarycModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsDurbin-WatsonR Square ChangeF Changedf1df2Sig. F Change1.993a.987.985992.03949.987448.361530.0002.993b.987.985978.24472.000.144130.7071.219a. Predictors: (Constant), 農(nóng)業(yè)勞動者人數(shù)(百萬人), 總播種面積(萬公頃), 風(fēng)災(zāi)面積比例(%), 糧食播

10、種面積(萬公頃), 施用化肥量(kg/公頃)b. Predictors: (Constant), 農(nóng)業(yè)勞動者人數(shù)(百萬人), 總播種面積(萬公頃), 風(fēng)災(zāi)面積比例(%), 施用化肥量(kg/公頃)c. Dependent Variable: 糧食總產(chǎn)量(y萬噸)由表9-2（a）知，利用向后篩選策略共經(jīng)過六步完成回歸方程的建立，最終模型為第六個模型。從方程建立的過程看，隨著解釋變量的不斷減少，方程的擬合優(yōu)度下降了。這說明判定系數(shù)的自身特性，同時也說明建立回歸方程并不是以一味追求高的擬合優(yōu)度為唯一目標(biāo)的，還要重點(diǎn)考察解釋變量是否對被解釋變量有所貢獻(xiàn)。依次剔除出方程的變量是風(fēng)災(zāi)面積，糧食播種面積、總

11、播種面積、施用化肥量、農(nóng)業(yè)勞動量。如果顯著水平為0.05?？梢钥吹竭@些被剔除變量的偏F檢驗(yàn)的概率P-值均大于顯著水平，因此均不能拒絕檢驗(yàn)的原假設(shè)，這些變量的偏回歸系數(shù)與零無顯著差異，它們對被解釋變量的線性解釋沒有顯著貢獻(xiàn)，不應(yīng)保留在方程中。最終保留在方程中的變量是年數(shù)。方程的DW檢驗(yàn)值為1.219，殘值存在一定程度的正自相關(guān)2-(b)ANOVAaModelSum of SquaresdfMean SquareFSig.1Regression2206253676.5825441250735.316448.361.000bResidual29524270.64030984142.355Total2

12、235777947.222352Regression2206112102.2254551528025.556576.332.000cResidual29665844.99831956962.742Total2235777947.22235a. Dependent Variable: 糧食總產(chǎn)量(y萬噸)b. Predictors: (Constant), 農(nóng)業(yè)勞動者人數(shù)(百萬人), 總播種面積(萬公頃), 風(fēng)災(zāi)面積比例(%), 糧食播種面積(萬公頃), 施用化肥量(kg/公頃)c. Predictors: (Constant), 農(nóng)業(yè)勞動者人數(shù)(百萬人), 總播種面積(萬公頃), 風(fēng)災(zāi)面積比例

13、(%), 施用化肥量(kg/公頃)表9-2（b）中的第六個模型是最終的方程。如果顯著性水a(chǎn)為0.05，由于回歸方程顯著性檢驗(yàn)的概率P-值小于顯著性水平a，因此該解釋變量與解釋變量間的線性關(guān)系顯著，建立線性模型是恰當(dāng)?shù)?-(c)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)-24425.3576443.948-3.790.001糧食播種面積(萬公頃)-.289.762-.0

14、20-.379.707.1526.587總播種面積(萬公頃)2.567.673.1423.813.001.3183.144施用化肥量(kg/公頃)130.89911.640.71611.246.000.1099.202風(fēng)災(zāi)面積比例(%)-240.27146.725-.135-5.142.000.6431.555農(nóng)業(yè)勞動者人數(shù)(百萬人)46.4209.330.3454.975.000.09210.9182(Constant)-25376.4135853.521-4.335.000總播種面積(萬公頃)2.357.380.1306.208.000.9721.029施用化肥量(kg/公頃)130.61

15、611.454.71411.403.000.1099.164風(fēng)災(zāi)面積比例(%)-236.69445.127-.133-5.245.000.6701.492農(nóng)業(yè)勞動者人數(shù)(百萬人)48.2957.801.3596.191.000.1277.850a. Dependent Variable: 糧食總產(chǎn)量(y萬噸)表2(c)展示了每個模型中各解釋變量的偏回歸系數(shù)、偏回歸系數(shù)顯著性檢驗(yàn)的情況。如果顯著性水平為0.05，則前五個模型中由于都存在回歸系數(shù)不顯著的解釋變量，因此這些方程都不可用。第六個模型是最終的方程，其回歸系數(shù)顯著性檢驗(yàn)的概率值小于顯著性水平，因此投入人年數(shù)與被解釋變量間的線性關(guān)系顯著，它

16、保留在模型中是合理的。最終的回歸方程為：該方程意味著投入年數(shù)每增加一個單位，會使立項課題數(shù)平均增加0.492個單位2-（dExcluded VariablesaModelBeta IntSig.Partial CorrelationCollinearity StatisticsToleranceVIFMinimum Tolerance2糧食播種面積(萬公頃)-.020b-.379.707-.069.1526.587.092a. Dependent Variable: 糧食總產(chǎn)量(y萬噸)b. Predictors in the Model: (Constant), 農(nóng)業(yè)勞動者人數(shù)(百萬人),

17、總播種面積(萬公頃), 風(fēng)災(zāi)面積比例(%), 施用化肥量(kg/公頃)表2-（d）展示了變量剔除方差的過程。第2列第4列各數(shù)據(jù)項的含義依次是:在剔除其他變量的情況下，如果該變量保留在模型中，其標(biāo)準(zhǔn)化回歸系數(shù)、t檢驗(yàn)值和概率P-值將是什么。例如，在模型三中，剔除風(fēng)災(zāi)面積的情況下，如果保留投入高級職稱的入年數(shù)，那么它的標(biāo)準(zhǔn)化回歸系數(shù)將為-0.439,但回歸系數(shù)的檢驗(yàn)不顯著（概率P-值為0.707）。剔除風(fēng)災(zāi)面積的入年數(shù)的情況下，如果保留風(fēng)災(zāi)面積，那么它的標(biāo)準(zhǔn)化回歸系數(shù)將為-0.103，但回歸系數(shù)的檢驗(yàn)不顯著(概率P-值為0.669)。）3One-Sample Kolmogorov-Smirnov

18、TestStandardized ResidualN36Normal Parametersa,bMean0E-7Std. Deviation.94112395Most Extreme DifferencesAbsolute.100Positive.100Negative-.070Kolmogorov-Smirnov Z.600Asymp. Sig. (2-tailed).865a. Test distribution is Normal.b. Calculated from data.隨著標(biāo)準(zhǔn)化預(yù)測值的變化，殘差點(diǎn)在0線周圍隨機(jī)分布，但殘差的等方差性并不完全滿足，方差似乎有增大趨勢。計算殘差與

19、預(yù)測值的等級相關(guān)系數(shù)為-0.106，且檢驗(yàn)并不顯著，認(rèn)為異方差現(xiàn)象并不明顯。，4CorrelationsStandardized Predicted ValueStandardized ResidualSpearman's rhoStandardized Predicted ValueCorrelation Coefficient1.000-.106Sig. (2-tailed).538N3636Standardized ResidualCorrelation Coefficient-.1061.000Sig. (2-tailed).538.N3636另外，通過觀察數(shù)據(jù)編輯窗口中的庫克

20、距離和杠桿值變量的值，發(fā)現(xiàn)沒有明顯的異常點(diǎn)。179頁1ANOVA銷售額Sum of SquaresdfMean SquareFSig.Between Groups405.5344101.38411.276.000Within Groups269.737308.991Total675.27134表一是促銷方式對銷售額的單因素方差分析結(jié)果?？梢钥吹剑河^測變量銷售額的離差平方總額為405.534;如果僅考慮廣告形式單個因素的影響，則銷售額總變差中，不同廣告形式可解釋的變差為，405.534抽樣誤差引起的變差為269.737，它們的方差分別為101.384和8.991，相除所得的F統(tǒng)計量的觀測值為11

21、.276，對應(yīng)的概率P-值近似為0.如果顯著性水平a為0.05，由于概率P-值小于顯著性水平a，因此應(yīng)拒絕原假設(shè)，認(rèn)為不同廣告形式對銷售額產(chǎn)生了顯著影響，不同廣告形式對銷售額的影響效應(yīng)不會為0.2ANOVA銷售額Sum of SquaresdfMean SquareFSig.Between Groups405.5344101.38411.276.000Within Groups269.737308.991Total675.27134Multiple ComparisonsDependent Variable: 銷售額 LSD(I) 組數(shù)(J) 組數(shù)Mean Difference (I-J)Std. ErrorSig.95% Confidence IntervalLower