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

《統(tǒng)計分與SPSS的應(yīng)用（第五版（薛薇）課后練習(xí)案第9章的線性回分析用章第題的據(jù)意擇兩課成作解變和解變利用SPSS提的制點(diǎn)功進(jìn)一線回分。繪全樣以及同別兩課成的點(diǎn)，在上制條歸線其，一針全體本第和三分針男樣和生本并各歸線擬效進(jìn)評價選擇fore和兩門成績體系散點(diǎn)圖步驟：圖形舊對話框散圖簡散點(diǎn)圖定義將f導(dǎo)入Y軸，p導(dǎo)入X，將導(dǎo)設(shè)置標(biāo)記確定。接下來在輸出查看器中，雙擊上圖，打開圖表編輯

——在圖表編輯器中選“素菜單選總計擬合線選線應(yīng)再選擇元素菜單點(diǎn)擊子組擬合選擇線性應(yīng)。歡迎下載

2

——分析：如上圖所示，通過散點(diǎn)圖，被解釋變量(即：與解釋變量phy有一定的線性關(guān)系。但回歸直線的擬合效果都不是很好。、請說線回分與關(guān)析關(guān)系怎的相關(guān)分析是回歸分析的基礎(chǔ)和前提歸分析則是相關(guān)分析的深入和繼續(xù)關(guān)析需要依靠回歸分析來表現(xiàn)變量之間數(shù)量相關(guān)的具體形式歸析則需要依靠相關(guān)分析來表現(xiàn)變量之間數(shù)量變化的相關(guān)程度有當(dāng)變量之間存在高度相關(guān)時行歸分析尋求其相關(guān)的具體形式才有意義。如果在沒有對變量之間是否相關(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“虛假回歸同時，相關(guān)分析只研究變量之間相關(guān)的方向和程度能推斷變量之間相互關(guān)系的具體形式無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(yīng)用過程中把相關(guān)分析和回歸分析結(jié)合起來，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。、請說為么要線回方進(jìn)行計驗(yàn)一需對些面行驗(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)性檢驗(yàn)歸系數(shù)的顯著性檢驗(yàn)差析等。歡迎下載

3

——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(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)系是否顯線性模型來描述他們之間的關(guān)系是否恰當(dāng)。一般包括回歸系數(shù)的檢驗(yàn)，殘差分析等。、說多元線回分中供哪種釋量選策？向前、向后、逐步。、先集若年糧總量及種積使化量農(nóng)勞人等數(shù)，利建多線回方分影糧總量主因數(shù)文名“糧總產(chǎn).sav”。方法：采用“前進(jìn)“回歸策略。步驟分回歸線將食總產(chǎn)量導(dǎo)入因變量其余變量導(dǎo)入自變方法項(xiàng)“前進(jìn)”確定。如圖可后、或逐步）已輸入除去變量

a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(zhǔn)則：.F-to-enter的概率<=.050）歡迎下載

4

——23

風(fēng)災(zāi)面積比例(%)

向前（準(zhǔn)則：.F-to-enter的概率<=.050）向前（準(zhǔn)則：年份.F-to-enter的概率<=.050）4

總播種面積萬公頃)

向前（準(zhǔn)則：.F-to-enter的概率<=.050）a.因變量：糧食總產(chǎn)量(y萬噸)模型摘要調(diào)整后的R平模型RR平方

方

標(biāo)準(zhǔn)估算的錯誤1.9602.9753.9844.994

.922.9192203.30154.950.9471785.90195.969.9661428.73617.989.987885.05221a.預(yù)測變量：（常量），施用化肥量(kg/公頃)b.預(yù)測變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比例(%)c.預(yù)測變量：（常量），施用化肥公頃),風(fēng)面積比例(%),年份d.預(yù)測變量：（常量），施用化肥公頃),風(fēng)面積比例(%),年份播種面積(萬頃)ANOVA

a模型

平方和

自由度

均方F

顯著性1回歸1887863315.61611887863315.616388.886.000殘差160199743.070334854537.669總計2048063058.686342回歸1946000793.4222973000396.711305.069.000殘差102062265.263323189445.789總計2048063058.686343回歸1984783160.3293661594386.776324.106.000殘差63279898.356312041287.044總計2048063058.686344回歸2024563536.0114506140884.003646.150.000殘差23499522.67530783317.423總計2048063058.68634a.因變量：糧食總產(chǎn)量(y萬噸)b.預(yù)測變量：（常量），施用化肥量(kg/公頃)歡迎下載

5

——c.預(yù)測變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比例(%)d.預(yù)測變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比例(%),年e.預(yù)測變量：（常量），施用化肥量(kg/公頃),風(fēng)災(zāi)面積比例(%),年,總播種面積(萬公頃系數(shù)

a非標(biāo)準(zhǔn)化系數(shù)

標(biāo)準(zhǔn)系數(shù)模型1（常量）

B17930.148

標(biāo)準(zhǔn)錯誤504.308

貝塔t35.554

顯著性.000施用化肥量(kg/公頃)2（常量）施用化肥量(kg/公頃)風(fēng)災(zāi)面積比例(%)3（常量）施用化肥量(kg/公頃)風(fēng)災(zāi)面積比例(%)年份4（常量）施用化肥量(kg/公頃)風(fēng)災(zāi)面積比例(%)年份總播種面積萬公頃)

179.28720462.336193.701-327.222-460006.046137.667-293.439244.920-512023.307139.944-302.324253.1152.451

9.092720.3178.10676.643110231.47814.39961.80356.19068673.5798.92538.30534.827.344

.9601.037-.185.737-.166.323.749-.171.334.141

19.72028.40723.897-4.269-4.1739.561-4.7484.359-7.45615.680-7.8937.2687.126

.000.000.000.000.000.000.000.000.000.000.000.000.000a.因變量：糧食總產(chǎn)量(y萬噸)結(jié)論上表所示響程度中大到小依次是用肥量kg/公頃,風(fēng)災(zāi)面積比(%),年份,總種面積萬公頃除業(yè)勞動者人(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)勞動者人數(shù)百萬人和糧食播種面積(萬公頃)后：步驟分析回線性將糧食總產(chǎn)量導(dǎo)入因變量余4變施用化肥量公頃)風(fēng)災(zāi)面積比年總種面積(萬公頃導(dǎo)入自變量方項(xiàng)輸確。如下圖：歡迎下載

6

——系數(shù)

a非標(biāo)準(zhǔn)化系數(shù)

標(biāo)準(zhǔn)系數(shù)模型1（常量）

B-512023.307

標(biāo)準(zhǔn)錯誤68673.579

貝塔t-7.456

顯著性.000年份總播種面積萬公頃)施用化肥量(kg/公頃)風(fēng)災(zāi)面積比例(%)

253.1152.451139.944-302.324

34.827.3448.92538.305

.334.141.749-.171

7.2687.12615.680-7.893

.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+7.268X4-7.456、一家品售司30個區(qū)有售公。研究品售(y)與公的售價（x1、地的人收(、廣費(fèi)(之間關(guān)，搜到30個區(qū)有數(shù)。行元性歸析得部分結(jié)如：ModelRegressionTotal

SumSquares

Df

FSig.8.88341E-13歡迎下載

7

——Unstandardized

B80.6107

Std.Error31.897414.7676

t-3.6958

0.004570.001030.000010.00049）將一表的缺值補(bǔ)。）寫銷量銷售格年均入廣費(fèi)的元性歸程并解各歸系的義）檢回方的性系是顯？）檢各歸數(shù)否著？）計判系，解它的際義）計回方的計準(zhǔn)誤，解它實(shí)意。（1模型

平方和

自由度

均方

F

顯著性1

回歸

3

4008924.7

72.8

8.88341E-13

b殘差總計

13458586.7

2629

（2）X1+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)：各個回歸系數(shù)檢驗(yàn)均顯著（5略（6略、參SAT考的學(xué)績行機(jī)查獲他閱考和學(xué)試成績及性數(shù)。常讀力數(shù)能具一的性關(guān)，在排性差的件，分閱成對學(xué)績線影是顯。方法：采用進(jìn)入回歸策略。步驟：分析回線性將導(dǎo)入因變量、其余變量導(dǎo)入自變確。歡迎下載

8

——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,VerbalSATba.因變量：MathSATb.已輸入所有請求的變量。

.輸入模型摘要調(diào)整后的R平模型RR平方

方

標(biāo)準(zhǔn)估算的錯誤1.710

.505.49969.495a.預(yù)測變量：（常量），Gender,VerbalSATANOVA

a模型

平方和

自由度

均方F

顯著性1

回歸782588.4682391294.23481.021.000殘差767897.9511594829.547總計1550486.420161

a.因變量：MathSATb.預(yù)測變量：（常量），Gender,VerbalSAT系數(shù)

a歡迎下載

9

——非標(biāo)準(zhǔn)化系數(shù)

標(biāo)準(zhǔn)系數(shù)模型1（常量）

B184.582

標(biāo)準(zhǔn)錯誤34.068

貝塔t5.418

顯著性.000VerbalSATGender

.68637.219

.05510.940

.696.190

12.4463.402

.000.001a.因變量：MathSAT因概率值于顯著性水平（0.05以明在控制了性別之后，閱讀成績對數(shù)學(xué)成績有顯著的線性影響。試據(jù)糧食總量sav數(shù)據(jù)利用SPSS曲線計法擇當(dāng)型，樣期的食產(chǎn)進(jìn)外預(yù)，對均測差行計采用二次曲線步驟形舊對話框拆圖簡個值定將食總產(chǎn)量導(dǎo)入線的表確結(jié)果如下：再雙擊上圖“元素”菜添標(biāo)應(yīng)歡迎下載

10

——接下來：分回曲估糧總產(chǎn)量導(dǎo)入因變量、年份導(dǎo)入變量，點(diǎn)擊年在模型中選擇二次項(xiàng)、立方、冪點(diǎn)“保存”按選保存預(yù)值繼續(xù)確。曲線擬合附注已創(chuàng)建輸出注釋輸入缺失值處理語法資源

數(shù)據(jù)活動數(shù)據(jù)集過濾器寬度(W)拆分文件工作數(shù)據(jù)文件中的行數(shù)對缺失的定義已使用的個案處理器時間用時

03-MAY-201809:28:44F:\SPSS\薛薇《統(tǒng)計分析與spss的應(yīng)用（第五版）》\PPT--jwd\第章SPSS回歸分析\題糧食總產(chǎn)量.sav數(shù)據(jù)集1<><><>35用戶定義的缺失值被視作缺失。任何變量中帶有缺失值的個案不用于分析。CURVEFIT/VARIABLES=lsclWITHnf/CONSTANT/MODEL=LINEARQUADRATICCUBICPOWER/PRINTANOVA/PLOTFIT/SAVE=PRED.00:00:00.1900:00:00.25歡迎下載

11

——使用預(yù)測

從到從到

第一個觀測值最后一個觀測值使用周期后的第一觀察最后一個觀測值變量已創(chuàng)建或已修改FIT_1CURVEFIT和MOD_1LINEAR中具有nf的lscl擬合FIT_2CURVEFIT和MOD_1QUADRATICnf的lscl的擬合

中具有FIT_3CURVEFIT和MOD_1CUBIC的lscl擬合FIT_4CURVEFIT和MOD_1POWER的lscl擬合

中具有nf中具有nf時間序列設(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)圖中的最大滯后數(shù)

MXAUTO=16每個交叉相關(guān)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(biāo)準(zhǔn)的方法自相關(guān)的錯誤ACFSE=IND季節(jié)周期長度

未指定值在繪圖中標(biāo)記觀測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，該二次模型無法擬合。由于模型項(xiàng)之間存在接近共線性，該立方模型無法擬合。模型描述模型名稱MOD_1因變量1方程式123

糧食總產(chǎn)量萬噸線性L)二次項(xiàng)Q)立方U)4

冪

a自變量常量值在繪圖中標(biāo)記觀測值的變量

年份已包括未指定對在方程式中輸入項(xiàng)的容許.0001歡迎下載

12

——a.此模型需要所有非缺失值為正。個案處理要數(shù)字個案總計35排除的個案

a

0預(yù)測的個案0新創(chuàng)建的個案0a.任何變量中帶有缺失值的個案無需分析。變量處理要變量從屬糧食總產(chǎn)量(萬噸)

自變量年份正值的數(shù)目3535零的數(shù)目00負(fù)值的數(shù)目00缺失值的數(shù)目

用戶缺失00系統(tǒng)缺失00糧食總產(chǎn)量(萬噸)線性(模型摘要RR平方

調(diào)整后的R平

標(biāo)準(zhǔn)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)B

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)錯誤

標(biāo)準(zhǔn)系數(shù)貝塔t

顯著性年份708.11846.793.93515.133.000歡迎下載

13

——（常量）-1369647.90492136.775-14.865.000二次項(xiàng)模型摘要RR平方

調(diào)整后的R平

標(biāo)準(zhǔn)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)B

非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)錯誤

標(biāo)準(zhǔn)系數(shù)貝塔t

顯著性年份**2.180.012.93615.218.000（常量）-673013.92645845.338-14.680.000已排除的輸入貝塔t

顯著性

偏相關(guān)

最小容差年份

a

-125.061-7.851.000-.811.000a.已達(dá)到輸入變量的容許界限。立方(模型摘要RR平方

調(diào)整后的R平

標(biāo)準(zhǔn)估算的錯誤.936.877.8732768.471自變量