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

1、統(tǒng)計(jì)分析與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(jī)作為解釋變量和被解釋變量，利用SPSS提供的繪制散點(diǎn)圖功能進(jìn)行一元線性回歸分析。請(qǐng)繪制全部樣本以及不同性別下兩門課程成績(jī)的散點(diǎn)圖，并在圖上繪制三條回歸直線，其中，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)各回歸直線的擬和效果進(jìn)行評(píng)價(jià)。選擇fore和phy兩門成績(jī)體系散點(diǎn)圖步驟：圖形T舊對(duì)話框T散點(diǎn)圖T簡(jiǎn)單散點(diǎn)圖T定義T將fore導(dǎo)入Y軸，將phy導(dǎo)入X軸，將sex導(dǎo)入設(shè)置標(biāo)記T確定。80.00-60.00-40.00-20.00-sexOfem

2、ale.Jmale40.0050.0060.0070.0080.0090.00100.00phy接下來(lái)在SPSS輸出查看器中，雙擊上圖，打開(kāi)圖表編輯在圖表編輯器中，選擇“元素”菜單T選擇總計(jì)擬合線一選擇線性T應(yīng)用T再選擇元素菜單T點(diǎn)擊子組擬合線一選擇線性T應(yīng)用。sex80.00-：.')femalemalefemalemaler2female:R3繩存;=0.208male;R3淺I"：=0/1貧20.00-40.0050.0060.0070.00BO.0090.00100.00Phy分析：如上圖所示，通過(guò)散點(diǎn)圖，被解釋變量y（即：fore）與解釋變量phy有一定的線性關(guān)系。

3、但回歸直線的擬合效果都不是很好。2、請(qǐng)說(shuō)明線性回歸分析與相關(guān)分析的關(guān)系是怎樣的？相關(guān)分析是回歸分析的基礎(chǔ)和前提，回歸分析則是相關(guān)分析的深入和繼續(xù)。相關(guān)分析需要依靠回歸分析來(lái)表現(xiàn)變量之間數(shù)量相關(guān)的具體形式，而回歸分析則需要依靠相關(guān)分析來(lái)表現(xiàn)變量之間數(shù)量變化的相關(guān)程度。只有當(dāng)變量之間存在高度相關(guān)時(shí)，進(jìn)行回歸分析尋求其相關(guān)的具體形式才有意義。如果在沒(méi)有對(duì)變量之間是否相關(guān)以及相關(guān)方向和程度做出正確判斷之前，就進(jìn)行回歸分析，很容易造成“虛假回歸”與此同時(shí)，相關(guān)分析只研究變量之間相關(guān)的方向和程度，不能推斷變量之間相互關(guān)系的具體形式，也無(wú)法從一個(gè)變量的變化來(lái)推測(cè)另一個(gè)變量的變化情況，因此，在具體應(yīng)用過(guò)程中，

4、只有把相關(guān)分析和回歸分析結(jié)合起來(lái)，才能達(dá)到研究和分析的目的。線性回歸分析是相關(guān)性回歸分析的一種，研究的是一個(gè)變量的增加或減少會(huì)不會(huì)引起另一個(gè)變量的增加或減少。3、請(qǐng)說(shuō)明為什么需要對(duì)線性回歸方程進(jìn)行統(tǒng)計(jì)檢驗(yàn)？一般需要對(duì)哪些方面進(jìn)行檢驗(yàn)？檢驗(yàn)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(yàn)、顯著性檢驗(yàn)、回歸系數(shù)的顯著性檢驗(yàn)、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(jì)關(guān)系的前提是被解釋變量和解釋變量之間確實(shí)存在顯著的線性關(guān)系。回歸方程的顯著性檢驗(yàn)正是要檢驗(yàn)被解釋變量和解釋變量之間的線性關(guān)系是否顯著用線性模型來(lái)描述他們之間的關(guān)系是否恰當(dāng)。一般包括

5、回歸系數(shù)的檢驗(yàn)，殘差分析等。4、請(qǐng)說(shuō)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(dòng)人數(shù)等數(shù)據(jù)，請(qǐng)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(jìn)“回歸策略。步驟：分析T回歸T線性T將糧食總產(chǎn)量導(dǎo)入因變量、其余變量導(dǎo)入自變量T方法項(xiàng)選“前進(jìn)”T確定。如下圖：（也可向后、或逐步）已輸入/除夫變量a模型已輸入變量已除夫變量方法1施用化肥量（kg/公頃）-向前（準(zhǔn)則：F-to-enter的概率<=.050）2風(fēng)災(zāi)面積比例（%）向前（準(zhǔn)則：F-to

6、-enter的概率<=.050）3年份向前（準(zhǔn)則：F-to-enter的4總播種面積（萬(wàn)公頃）概率<=.050）向前（準(zhǔn)則：F-to-enter的概率<=.050）a.因變量：糧食總產(chǎn)量（y萬(wàn)噸）模型摘要模型RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)誤1960a.922.9192203.301542.975b.950.9471785.901953.984c.969.9661428.736174994d.989.987885.05221a. 預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃）b. 預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃），風(fēng)災(zāi)面積比例（%）c. 預(yù)測(cè)變量：（常量），施用化

7、肥量（kg/公頃），風(fēng)災(zāi)面積比例（%）,年份d. 預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃），風(fēng)災(zāi)面積比例（%）,年份，總播種面積（萬(wàn)公頃）ANOVAa樟型平方和自由度均方F顯著性1回歸1887863315.61611887863315.616388.886.000b殘差160199743.070334854537.669總計(jì)2048063058.686342回歸1946000793.4222973000396.711305.069.000c殘差102062265.263323189445.789總計(jì)2048063058.686343回歸1984783160.3293661594386.77

8、6324.106.000d殘差63279898.356312041287.044總計(jì)2048063058.686344回歸2024563536.0114506140884.003646.150.000e殘差23499522.67530783317.423總計(jì)2048063058.68634a. 因變量：糧食總產(chǎn)量（y萬(wàn)噸）b. 預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃）系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)t顯著性B標(biāo)準(zhǔn)錯(cuò)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.

9、31728.407.000施用化肥量（kg/公頃）193.7018.1061.03723.897.000風(fēng)災(zāi)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）137.66714.399.7379.561.000風(fēng)災(zāi)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）139.9448.925.74915.680.0

10、00風(fēng)災(zāi)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(wàn)公頃）2.451.344.1417.126.000a.因變量：糧食總產(chǎn)量（y萬(wàn)噸）C.預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃）,d. 預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃）,e. 預(yù)測(cè)變量：（常量），施用化肥量（kg/公頃）,頃）風(fēng)災(zāi)面積比例（%）風(fēng)災(zāi)面積比例（%）,年份風(fēng)災(zāi)面積比例（%）,年份，總播種面積（萬(wàn)公結(jié)論：如上4個(gè)表所示，影響程度中大到小依次是：施用化肥量（kg/公頃），風(fēng)災(zāi)面積比例（）,年份,總播種面積（萬(wàn)公頃）。（排除農(nóng)

11、業(yè)勞動(dòng)者人數(shù)（百萬(wàn)人）和糧食播種面積（萬(wàn)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(wàn)人）和糧食播種面積（萬(wàn)公頃）后：步驟：分析-回歸-線性-將糧食總產(chǎn)量導(dǎo)入因變量、其余4個(gè)變量（施用化肥量（kg/公頃）,風(fēng)災(zāi)面積比例（）,年份，總播種面積（萬(wàn)公頃）導(dǎo)入自變量-方法項(xiàng)選“輸入”-確定。如下圖：系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)t顯著性B標(biāo)準(zhǔn)錯(cuò)誤貝塔1（常量）-512023.30768673.579-7.456.000年份253.11534.827.3347.268.000總播種面積（萬(wàn)公頃）2.451.344.1417.126.000施用化肥量（kg/公頃）139.9448.925.74915

12、.680.000風(fēng)災(zāi)面積比例（%）-302.32438.305-.171-7.893.000a.因變量：糧食總產(chǎn)量（y萬(wàn)噸）糧食總產(chǎn)量回歸方程：Y=-7.893Xl+15.68X2+7.126X3+7.268X4-7.4566、一家產(chǎn)品銷售公司在30個(gè)地區(qū)設(shè)有銷售分公司。為研究產(chǎn)品銷售量（y）與該公司的銷售價(jià)格（x1）、各地區(qū)的年人均收入（x2）、廣告費(fèi)用（x3）之間的關(guān)系，搜集到30個(gè)地區(qū)的有關(guān)數(shù)據(jù)。進(jìn)行多元線性回歸分析所得的部分分析結(jié)果如下：ModelSumofSquaresDfMeanSquareFSig.Regression4008924.78.88341E-13ResidualTot

13、al13458586.729UnstandardizedCodfficientstSig.BStd.Error(Constant)7589.10252445.02133.10390.00457XI-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(bǔ)齊。2）寫出銷售量與銷售價(jià)格、年人均收入、廣告費(fèi)用的多元線性回歸方程，并解釋各回歸系數(shù)的意義。3）檢驗(yàn)回歸方程的線性關(guān)系是否顯著？4）檢驗(yàn)各回歸系數(shù)是否顯著？5）計(jì)算判定系數(shù)，并解釋它的實(shí)際意義。6）計(jì)算

14、回歸方程的估計(jì)標(biāo)準(zhǔn)誤差，并解釋它的實(shí)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-13b殘差1431812.62655069.7154總計(jì)13458586.729（2）Y=7589.1-117.886X1+80.6X2+0.5X3（3）回歸方程顯著性檢驗(yàn)：整體線性關(guān)系顯著（4）回歸系數(shù)顯著性檢驗(yàn)：各個(gè)回歸系數(shù)檢驗(yàn)均顯著（5）略（6）略7、對(duì)參加SAT考試的同學(xué)成績(jī)進(jìn)行隨機(jī)調(diào)查，獲得他們閱讀考試和數(shù)學(xué)考試的成績(jī)以及性別數(shù)據(jù)。通常閱讀能力和數(shù)學(xué)能力具有一定的線性相關(guān)性，請(qǐng)?jiān)谂懦詣e差異的條件下分析閱讀成績(jī)對(duì)數(shù)學(xué)成績(jī)的線性影響是否顯著

15、。方法：采用進(jìn)入回歸策略。步驟：分析T回歸T線性T將MathSAT導(dǎo)入因變量、其余變量導(dǎo)入自變量T確定。結(jié)果如下:已輸入/除去變量模型已輸入變量已除夫變量方法1Gender,VerbalSATb輸入a. 因變量：MathSATb. 已輸入所有請(qǐng)求的變量。樟型摘要模型RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)誤1.710a.505.49969.495a.預(yù)測(cè)變量：（常量），Gender,VerbalSATANOVAa模型平方和自由度均方F顯著性1回歸782588.4682391294.23481.021.000b殘差767897.9511594829.547總計(jì)1550486.420161a. 因變量：

16、MathSATb. 預(yù)測(cè)變量：（常量），Gender,VerbalSAT系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)t顯著性B標(biāo)準(zhǔn)錯(cuò)誤貝塔1（常量）184.58234.0685.418.000VerbalSAT.686.055.69612.446.000Gender37.21910.940.1903.402.001a.因變量：MathSAT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(jī)對(duì)數(shù)學(xué)成績(jī)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(jì)方法選擇恰當(dāng)模型，對(duì)樣本期外的糧食總產(chǎn)量進(jìn)行外推預(yù)測(cè)，并對(duì)平均預(yù)測(cè)誤差進(jìn)行估計(jì)。采用二次曲線步驟：圖形T舊對(duì)話框T拆

17、線圖T簡(jiǎn)單T個(gè)案值T定義T將糧食總產(chǎn)量導(dǎo)入線的表征T確定結(jié)果如下：再雙擊上圖T“元素”菜單T添加標(biāo)記T應(yīng)用4HXMICFHC«£Crmdo-iKWKrIIIIIIiq|iMi|iMm|i|i|iii|12345f7S!)IO111213H15IS17W1&a3223325i®2?S39®®®35個(gè)崟號(hào)接下來(lái)：分析T回歸T曲線估計(jì)一糧食總產(chǎn)量導(dǎo)入因變量、年份導(dǎo)入變量，點(diǎn)擊年份T在模型中選擇二次項(xiàng)、立方、幕T點(diǎn)擊“保存”按鈕T選擇保存”預(yù)測(cè)值”9繼續(xù)T確定。曲線擬合附注已創(chuàng)建輸出03-MAY-201809:28:44注釋輸入數(shù)據(jù)F

18、:SPSS薛薇統(tǒng)計(jì)分析與spss的應(yīng)用(第五版)PPTjwd第9章SPSS回歸分析習(xí)題糧食總產(chǎn)量.sav活動(dòng)數(shù)據(jù)集數(shù)據(jù)集1過(guò)濾器無(wú)寬度(W)無(wú)拆分文件無(wú)工作數(shù)據(jù)文件中的行數(shù)35缺失值處理對(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)案任何變量中帶有缺失值的個(gè)案不用于分析。語(yǔ)法CURVEFIT/VARIABLES=lsclWITHnf/CONSTANT/MODEL=LINEARQUADRATICCUBICPOWER/PRINTANOVA/PLOTFIT/SAVE=PRED.資源處理器時(shí)間00:00:00.19用時(shí)00:00:00.25使用從到第一個(gè)觀測(cè)值最后一個(gè)觀測(cè)值預(yù)測(cè)從使用周期后的第一觀

19、察到最后一個(gè)觀測(cè)值變量已創(chuàng)建或已修改FIT_1CURVEFIT和MOD_1LINEAR中具有nf的lscl的擬合FIT_2CURVEFIT和MOD_1QUADRATIC中具有nf的lscl的擬合FIT_3CURVEFIT和MOD_1CUBIC中具有nf的lscl的擬合FIT_4CURVEFIT和MOD_1POWER中具有nf的lscl的擬合時(shí)間序列設(shè)置(TSET)輸出量PRINT=DEFAULT保存新變量NEWVAR=CURRENT自相關(guān)或偏自相關(guān)圖中的最大MXAUTO=16滯后數(shù)每個(gè)交叉相關(guān)圖的最大延遲數(shù)MXCROSS=7每個(gè)過(guò)程生成的最大新變量數(shù)MXNEWVAR=4每個(gè)過(guò)程的最大新個(gè)案數(shù)M

20、XPREDICT=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(jì)算標(biāo)準(zhǔn)的方法自相關(guān)的錯(cuò)誤ACFSE=IND季節(jié)周期長(zhǎng)度未指定值在繪圖中標(biāo)記觀測(cè)值的變量未指定包括方程CONSTANT警告由于模型項(xiàng)之間存在接近共線性，該二次模型無(wú)法擬合。由干模型項(xiàng)之間存在接訴共線性，該立方模型無(wú)法擬合。模型描述模型名稱MOD_1因變量1糧食總產(chǎn)量(y萬(wàn)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括值在繪圖中標(biāo)記觀測(cè)值的變量未指定對(duì)在方程式中輸入項(xiàng)的容許.0001a.此模型需要所有非缺失值為正。個(gè)案處理摘要數(shù)字個(gè)案總計(jì)35排除的個(gè)案a0預(yù)測(cè)的個(gè)案0新創(chuàng)建的個(gè)案0a.任何變量中帶有缺失值的