《統(tǒng)計分析和SPSS的應用(第五版)》課后練習答案解析(第9章)

1、專業(yè)整理知識分享統(tǒng)計分析與SPSS的應用（第五版）（薛蔽）課后練習答案第9章SPSS的線性回歸分析1、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和被解釋變，用SPSS提供的繪制散點圖功能進一元線性回歸分析。請繪制全部樣本以及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生樣本，并對各回歸直線的擬和效果進評價。選扌擇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T確定。O80.00-OOOOOOOQO60.00-OO0qdtcPOOoco

2、oOO40.00Q口OO%oooooOoOOO20.00-OfemaleUmalesex90.00100.0040.0050.0060.0070.0080.00接下夾在SPSS輸出查看器中，雙擊上圖，打開圖表編輯MO電呈1詡務。3個1城救聞個城3煮型噸個凋隊幣尺救聞*個2個1城救聞個城3煮弐遊救聞個凋隊幣救聞-!讎r淇冰販品貳慳CMOM怔完美WORD格式專業(yè)整理知識分享phy分析：如上圖所示，通過散點圖，被解釋變y（即：fore）與解釋變phy有一定的線性關系。但回歸直線的擬合效果是很好。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

3、和繼續(xù)。相關分析需要依靠回歸分析來表現(xiàn)變之間數(shù)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)變之間數(shù)變化的相關程。只有當變之間存在高相關時，進回歸分析尋求其相關的具體形式才有意義。如果在沒有對變之間是否相關以及相關方向和程做出正確判斷之前，就進回歸分析，很容造成虛假回歸。與此同時，相關分析只研究變之間相關的方向和程，能推斷變之間相互關系的具體形式，也無法從-個變的變化來推測另-個變的變化情況，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的增加或減少會會引起另一個變的增加或減少。3、請說明為么需要對線性回

4、歸方程進統(tǒng)計檢驗？一般需要對哪些方面進檢驗？檢驗其可信程并找出哪些變的影響顯著、哪些顯著。主要包括回歸方程的擬合優(yōu)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和解釋變之間的統(tǒng)計關系的前提是被解釋變和解釋變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變和解釋變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哪幾種解釋變篩選策？向前、向后、逐步。5、先收集到干糧食總產(chǎn)以及播種面積、使用化肥、農(nóng)業(yè)勞動人數(shù)等數(shù)據(jù)，請用建多元線性回歸方程，分朽影響糧食

5、總產(chǎn)的主要因素。數(shù)據(jù)文件名為糧食總產(chǎn).sav。方法：采用“前進“回歸策。步驟：分析T回歸T線性T將料食總產(chǎn)導入因變、其余變導入自變T方法項選前進確定。如下圖：（也可向后、或逐步）模型已輸入變已除去變方法變a已輸入1施用化肥（kg/公頃）-向前（準則：F-to-enter的概=.050）2風災面積比（%）-向前（準則：F-to-enter的概=.050）3向前（準則：份-F-to-enter的概=.050)4總播種面積（萬公頃）-向前（準則：F-to-enter的概e點)處W創(chuàng)力L“2（常）希爭fL州（kg/公頃）寅帀積*（%）1-302.324253.1151L1W-512023.307139

6、-944-460006.046137.6671-汨M4X920462.336193.7011-327-22217930.148179.287Rr5、心38.30534.827mJ68673.579&9255円9O110231.47814.39961-測720.317&10676-643n504.3089.092、7.113114374119323I.17R3R7,丨l1O835796O-7.8937.26817一126-7.456115一680片359114夕戶75|467DO1132&40723.897-4-26935.554119-720-H二OO二OO二OO二O二O二OOOO二OO二OO

7、二OOOOOOOOOOO000000a？1冷-頭妙朋沢兀(yJl)菲g-夸4f訃“奧尋嶽I4曲絆占；計申T目Qg為)“W0曲二(戸沢善0曲(；點)逹f汗巨？咲宀貲列：)-#苗砂善0曲(；點)巨胡輻咨茹V*寸糧食總產(chǎn)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T回歸T線性T將糧食總產(chǎn)導入因變、其余4個變（施用化肥（kg/公頃），風災面積比（）,份,總播種面積（萬公頃）導入自變T方法項選輸入T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）-512023.30768673.579-7.456.000份253.11534.827.3347.26

8、8.000總播種面積（萬公頃）2.451.344.1417.126.000施用化肥（kg/公頃）139.9448.925.74915.680.000風災面積比L(%)-302.32438.305-.171-7.893.000a.因變：糧食總產(chǎn)（y萬噸）糧食總產(chǎn)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（y）與該公司的銷售價格（xl）、各地區(qū)的人均收入（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)。進多元線性回歸分析所得的部分分析結果如下：ModelSumofSquar

9、esDfMeanSquareFSig.Regression4008924.7&88341E-13ResidualTotal13458586.729UnstandardizedCodfficientstSig.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）寫出銷售與銷售價格、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

10、義。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)模型平方和自由均方F顯著性1回歸12026774.134008924.772.8&88341E-13b殘差1431812.62655069.7154總計13458586.729（2）Y=7589.1-117.886X1+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)檢驗士均顯著（5）（6）7、對參加SAT考試的同學成績進隨機調(diào)查，獲得他們閱讀考試和數(shù)學考試的成績以及性別數(shù)據(jù)。

11、通常閱讀能和數(shù)學能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。步驟：分析T回歸T線性T將MathSAT導入因變、其余變導入自變T確定。結果如下：已輸入/除去變a模型已輸入變已除去變方法1Gender,VerbalSATb屮r輸入因變：MathSAT已輸入所有請求的變。模型摘要模型RR平方調(diào)整后的R平方標準估算的錯誤1.710a.505.49969.495a.預測變：（常），Gender,VerbalSATANOVAa模型平方和自由均方F顯著性1回歸782588.4682391294.23481.021.000b殘差767897

12、.9511594829.547總計1550486.420161因變：MathSAT預測變：（常），Gender,VerbalSAT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）184.58234.0685.418.000VerbalSAT.686.055.69612.446.000Gender37.21910.940.1903.402.001a.因變：MathSAT因概P值小于顯著性水平（0.05），所以表明在控制性別之后，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).sav數(shù)據(jù)，用SPSS曲線估計方法選擇恰當模型,寸樣本期外的糧食總產(chǎn)進外推預測，并寸平均預測誤差進估

13、計。采用二次曲線步驟：圖形T舊對話框T拆線圖T簡單個案值T定義-將糧食總產(chǎn)導入線的表征T確定結果如下：値糧倉總產(chǎn)量2萬妙再雙擊上圖T元素菜單T添加標記T應用借糧食總產(chǎn)量(y乃獨接下夾：分析回歸曲線估計糧食總產(chǎn)導入因變、份導入變，點擊份在模型中選擇二次項、方、冪點擊“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-201809:28:44輸入數(shù)據(jù)F:SPSS薛薇統(tǒng)計分析與spss的應用（第五版）PPT-jwd第9章SPSS回歸分析習題糧食總產(chǎn).sav活動數(shù)據(jù)集數(shù)據(jù)集1過濾器無寬（W）無拆分文件無工作數(shù)據(jù)文件中的數(shù)35缺失直處對缺失的定義用戶定義的缺失直被視作缺失。已使用的

14、個案任何變中帶有缺失直的個案用于分析。語法CURVEFIT/VARIABLES=lsclWITHnf/CONSTANT/MODEL=LINEARQUADRATICCUBICPOWER/PRINTANOVA/PLOTFIT/SAVE=PRED.資源處器時間用時00:00:00.1900:00:00.25使用從第一個觀測直到最后-個觀測直預測從使用周期后的第一入觀察到最后-個觀測直變已創(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_1CUBI

15、C中具有nf的lscl的擬合FIT_4CURVEFIT和MOD_1POWER中具有nf的lscl的擬合時間序設置（TSET）輸出PRINT=DEFAULT保存新變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數(shù)MXNEWVAR=4每個過程的最大新個案數(shù)MXPREDICT=1000用戶缺失直處MISSING=EXCLUDE置信區(qū)間百分比直CIN=95在回歸方程中輸入變的容差TOLER=.0001最大迭代參數(shù)變化CNVERGE=.001計算標準的方法自相關的錯誤ACFSE=IND季節(jié)周期長夫指定直在繪

16、圖中標*記觀測直的變夫指定包括方程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I項之間存在接近共線性，；該方模型無法擬合。模型描述模型名稱MOD_1因變1養(yǎng)軋食總產(chǎn)（y萬噸）方程式1線性（L）2二次項（Q）3方(U)4冪a自變份常已包括直在繪圖中標*記觀測直的變夫指定叢對在方牙程式中輸入項的容許.0001a.此模型需要所有非缺失直為正。個案處摘要數(shù)字個案總計35排除的個案a0預測的f案0新創(chuàng)建的f案0a.任何變中帶有缺失直的個案無需分析。變處摘要變從屬自變養(yǎng)軋食總產(chǎn)(y萬噸)份正直的數(shù)目的數(shù)目負直的數(shù)目缺失直的數(shù)目用戶缺失系統(tǒng)缺失350000350000糧食總

17、產(chǎn)(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?yōu)榉?。ANOVA平方和自由均方F顯著性回歸(R)1790107249.41211790107249.412229.006.000殘差257955809.274337816842.705總計204806305&68634自變?yōu)榉?。系?shù)非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔份708.11846.793.93515.133.000（常）-1369647.90492136.775-14.865.000二次項（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?yōu)榉?。平方和自由均方F顯著性回歸（R）1792631355.01411792631355.014231.596.000殘差255431703.672337740354.657總計2048063058.68634自變?yōu)榉荨Ｏ禂?shù)非標準化系數(shù)標準系數(shù)t顯著性B標準錯誤貝塔份*2.180.012.93615.218.000（常）-673013.92645845.338-14.680.000輸入貝塔t顯