運用SPSS建立多元線性回歸模型并進行檢驗---副本[1]

1、運用SPSS建立多元線性回歸模 型并進行檢驗-副本1計量經(jīng)濟學實驗報告一 實驗目的：1、學習和掌握用SPSS做變量間的相關系數(shù)矩陣；2、掌握運用SPSS做多元線性回歸的估計；3、用殘差分析檢驗是否存在異常值和強影響值4、看懂SPSS估計的多元線性回歸方程結果；5、掌握逐步回歸操作；6掌握如何估計標準化回歸方程7、根據(jù)輸出結果書寫方程、進行模型檢驗、解釋系數(shù)意義和預測；二.實驗步驟：1、根據(jù)所研究的問題提出因變量和自變量，搜集數(shù)據(jù)。2、 繪制散點圖和樣本相關陣，觀察自變量和因變量間的大致關系。3、如果為線性關系，則建立多元線性回歸方程并估計方程。4、運用殘差分析檢驗是否存在異常值點和強影響值點。

2、5、通過t檢驗進行逐步回歸。6根據(jù)spss輸出結果寫出方程，對方程進行檢驗(擬合優(yōu)度檢驗、F檢驗和檢驗)。7、輸出標準化回歸結果，寫出標準化回歸方程。8、如果通過檢驗，解釋方程并應用(預測)。三實驗要求：研究貨運總量y與工業(yè)總產(chǎn)值x1,農(nóng)業(yè)總產(chǎn)值x2,居民非商品支出x3,之間 的關系。詳細數(shù)據(jù)見表：(1) 計算出y,x1,x2,x3的相關系數(shù)矩陣。(2) 求y關于x1,x2,x3的三元線性回歸方程(3) 做殘差分析看是否存在異常值。(4) 對所求方程擬合優(yōu)度檢驗。(5) 對回歸方程進行顯著性檢驗。(6) 對每一個回歸系數(shù)做顯著性檢驗。(7) 如果有的回歸系數(shù)沒有通過顯著性檢驗， 將其剔除，重新

3、建立回歸方程， 在做方程的顯著性檢驗和回歸系數(shù)的顯著性檢驗。(8) 求標準化回歸方程。(9) 求當x仁75,x2=42,x3=3.1時y。并給出置性水平為99%的近似預測區(qū)間。(10) 結合回歸方程對問題進行一些基本分析。四.繪制散點圖或樣本相關陣相關性貨運總量工業(yè)總產(chǎn)值農(nóng)業(yè)總產(chǎn)值居民非商品支出Pearson相關性1.556.731 *.724*貨運總量顯著性（雙側(cè)）.095.016.018N10101010Pearson相關性.5561.155.444工業(yè)總產(chǎn)值顯著性（雙側(cè)）.095.650.171N10111111Pearson相關性.731 *.1551.562農(nóng)業(yè)總產(chǎn)值顯著性（雙側(cè)）.

4、016.650.072N10111111Pearson相關性.724*.444.5621居民非商品支出顯著性（雙側(cè)）.018.171.072N10111111*.在0.05水平（雙側(cè)）上顯著相關。01X12X23X3懊型仁總R尺方話整R方林準fed的債1.890a.S06.708a.，居民啊品七出總產(chǎn)視農(nóng)業(yè)總L值Anavs3平冇如dfFSig.1叵歸總i+13655 3703297.1301S95Z5DQ36S4551 790549.5228.283.015ba. 因変:費遠軻量b, 顱訓公鑫居尺非潘品七出 匚業(yè)總產(chǎn)血衣業(yè)總產(chǎn)僮非標醴化痛tSig.B試1停宣-348.23176.459-1,9

5、74.96工業(yè)値3.7541 9333B51.942.100農(nóng)業(yè)總產(chǎn)値7.1012碩.5352.465D49吿民那藺品勺呂12.44710 50&.2771.178.284五.建立并估計多元線性回歸模型:六. 殘差分析找異常值x3ZRE_1SRE_1SDR.1C00_1LEV_1I1.006601489363-.37604.16609.36418I2 4Q.5471062767.59277.0311514025 2.00.2279826517.2434&&('620160793.0Q-.00388-00433-.003%.00000099351加1.417361

6、 754002.293(34C874247021.50-1.07490-2116663.832143.21G01.641874,00-1.17343-1.22039測m492772.00-SS347-1 162811.206K2醐36129320.3512740935379C2.&150Q163663.00.797521 064631.079111216&33883110-10659飪差絨i + W械忸粧K値覽値牛師筆Nmm157.9123265.3018212 777844.67675g林:準前皿値-1 6761.176.0001.0009? ；値r .608211 0168

7、4861.6549瞪整的WM153.8641292.2651231.654045.35696g陸*12.5070214.2606Q.0030010.231469-.9661.102QUO.7919Student化讓堊-1 3121.534.0311.0499已叭除的康E-23.0669127.SE7361.1237718139369Student化已駙徐的姬-1 4501.B86.0861.178gM日冋距冉3764.9392.5671.3579Cook 的 RgK007.57 &1Q4.214g國中杠桿值110.617333.1709a 0 VS：團運總建由上表分析得，殘差分析找異常

8、值后其 Cook距離不能大于1, Student化已刪除的殘差 的絕對值不能大于3,綜上所述刪除第六組觀測 值繼續(xù)進行如上操作，再未發(fā)現(xiàn)異常值。七. 刪除異常值繼續(xù)回歸：模型匯總模型RR方調(diào)整R方標準估計的誤差1.975 a.950.92012.94188a.預測變量：（常量）,居民非商品支岀，工業(yè)總產(chǎn)值,農(nóng)業(yè)總產(chǎn) 值。Anovaa模型平方和df均方FSig.回歸15968.09435322.69831.779.001 b1殘差837.4625167.492總計16805.5568a. 因變量：貨運總量b. 預測變量：（常量）,居民非商品支岀，工業(yè)總產(chǎn)值,農(nóng)業(yè)總產(chǎn)值。系數(shù)模型非標準化系數(shù)標準系

9、數(shù)tSig.B的95.0%置信區(qū)間B標準誤差試用版下限上限（常量）-659.510126.833-5.200.003-985.546-333.4741工業(yè)總產(chǎn)值4.0701.071.4123.802.0131.3186.822農(nóng)業(yè)總產(chǎn)值16.0432.8241.0575.681.0028.78423.301居民非商品支出-14.3599.109-.306-1.576.176-37.7769.057則回歸方程為：Y 659.510 4.070X, 16.043X2 14.359X3由上述分析知居民的非商品支出的參數(shù)估計量3所對應P值為0.176大于=0.05,所以貨運總量與居民非商品支出無顯著性

10、差異，即剔除變量：居民的 非商品支出，繼續(xù)做回歸。農(nóng)型匚總匕RR方話整R方唯古:1962a925r .gm:14 46467S厲室'I®. 逋B因V：貫話總量AllWd 'AMI車FdfFSig.1回歸總計15551 9311253.62516SQ5.5562687775.965208.93737.217,OOOba S 量：量b. W15E1：農(nóng)業(yè)Si門t工業(yè)L'-誕非:伴卜和1sig.F R-社理苣|言0下限丄限-503.5C192.836-5.4770D2-735.662-231.3403 5341.134.3593.117021.7606.30S農(nóng)業(yè)總

11、產(chǎn)値12.3331.7«.3127.077.0008刖16.597此時的回歸方程為：Y 508.501 3.534 X,12.333X2八. 統(tǒng)計檢驗：(1) 擬合優(yōu)度檢驗：由估計結果圖表可知，可決系數(shù) R2 =0.962，修正的可決系數(shù)R2 =0.925。 計算結果表明，估計的樣本回歸方程較好的擬合了樣本觀測值。(2) F檢驗提出檢驗的原假設為H0 ： j =0對立假設為H, :i至少有一個 不等于零(i=0，1,2)對于給定的顯著性水平=0.05，P=0.000< =0.05,所以否定原假設，總體回歸方程是顯著的。(3) t檢驗提出的原假設為H。: i=0i=0，1，2由表得，t統(tǒng)計量為0所對應的P值為0.002i所對應的P值為0.0212所對應的P值為0.000對于給定的顯著性水平a=0.05 ,因為° i 2所對應的P值均小于=0.05所以貨運總量與工業(yè)總產(chǎn)值和農(nóng)業(yè)總產(chǎn)值之間有顯著性 關系，(4) 預測假設X仁75，X2=42試預測貨運總量并構造其99%的置信區(qū)間將X仁75，X2=42代入估計的回歸方程Y 508.501 3.534