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

1、專(zhuān)業(yè)整理知識(shí)分享統(tǒng)計(jì)分析與SPSS的應(yīng)用（第五版）（薛蔽）課后練習(xí)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(mén)課程成績(jī)作為解釋變和被解釋變，用SPSS提供的繪制散點(diǎn)圖功能進(jìn)一元線性回歸分析。請(qǐng)繪制全部樣本以及同性別下兩門(mén)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)男生樣本和生樣本，并對(duì)各回歸直線的擬和效果進(jìn)評(píng)價(jià)。選扌擇fore和phy兩門(mén)成績(jī)體系散點(diǎn)圖步驟：圖形舊對(duì)話框散點(diǎn)圖簡(jiǎn)單散點(diǎn)圖定義將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。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(kāi)圖表編輯MO電呈1詡務(wù)。3個(gè)1城救聞個(gè)城3煮型噸個(gè)凋隊(duì)幣尺救聞*個(gè)2個(gè)1城救聞個(gè)城3煮弐遊救聞個(gè)凋隊(duì)幣救聞-!讎r淇冰販品貳慳CMOM怔完美WORD格式專(zhuān)業(yè)整理知識(shí)分享phy分析：如上圖所示，通過(guò)散點(diǎn)圖，被解釋變y（即：fore）與解釋變phy有一定的線性關(guān)系。但回歸直線的擬合效果是很好。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

3、和繼續(xù)。相關(guān)分析需要依靠回歸分析來(lái)表現(xiàn)變之間數(shù)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)變之間數(shù)變化的相關(guān)程。只有當(dāng)變之間存在高相關(guān)時(shí)，進(jìn)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)變之間是否相關(guān)以及相關(guān)方向和程做出正確判斷之前，就進(jìn)回歸分析，很容造成虛假回歸。與此同時(shí)，相關(guān)分析只研究變之間相關(guān)的方向和程，能推斷變之間相互關(guān)系的具體形式，也無(wú)法從-個(gè)變的變化來(lái)推測(cè)另-個(gè)變的變化情況，因此，在具體應(yīng)用過(guò)程中，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)變的增加或減少會(huì)會(huì)引起另一個(gè)變的增加或減少。3、請(qǐng)說(shuō)明為么需要對(duì)線性回

4、歸方程進(jìn)統(tǒng)計(jì)檢驗(yàn)？一般需要對(duì)哪些方面進(jìn)檢驗(yàn)？檢驗(yàn)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(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和解釋變之間的統(tǒng)計(jì)關(guān)系的前提是被解釋變和解釋變之間確實(shí)存在顯著的線性關(guān)系?；貧w方程的顯著性檢驗(yàn)正是要檢驗(yàn)被解釋變和解釋變之間的線性關(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(dòng)人數(shù)等數(shù)據(jù)，請(qǐng)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(jìn)“回歸策。步驟：分析T回歸T線性T將料食總產(chǎn)導(dǎo)入因變、其余變導(dǎo)入自變T方法項(xiàng)選前進(jìn)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(zhǔn)則：F-to-enter的概=.050）2風(fēng)災(zāi)面積比（%）-向前（準(zhǔn)則：F-to-enter的概=.050）3向前（準(zhǔn)則：份-F-to-enter的概=.050)4總播種面積（萬(wàn)公頃）-向前（準(zhǔn)則：F-to-enter的概e點(diǎn))處W創(chuàng)力L“2（常）希爭(zhēng)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(cè)720.317&10676-643n504.3089.092、7.113114374119323I.17R3R7,丨l1O835796O-7.8937.26817一126-7.456115一680片359114夕戶(hù)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(jì)申T目Qg為)“W0曲二(戸沢善0曲(；點(diǎn))逹f汗巨？咲宀貲列：)-#苗砂善0曲(；點(diǎn))巨胡輻咨茹V*寸糧食總產(chǎn)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T回歸T線性T將糧食總產(chǎn)導(dǎo)入因變、其余4個(gè)變（施用化肥（kg/公頃），風(fēng)災(zāi)面積比（）,份,總播種面積（萬(wàn)公頃）導(dǎo)入自變T方法項(xiàng)選輸入T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）-512023.30768673.579-7.456.000份253.11534.827.3347.26

8、8.000總播種面積（萬(wàn)公頃）2.451.344.1417.126.000施用化肥（kg/公頃）139.9448.925.74915.680.000風(fēng)災(zāi)面積比L(%)-302.32438.305-.171-7.893.000a.因變：糧食總產(chǎn)（y萬(wàn)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(xiāo)售公司在30個(gè)地區(qū)設(shè)有銷(xiāo)售分公司。為研究產(chǎn)品銷(xiāo)售（y）與該公司的銷(xiāo)售價(jià)格（xl）、各地區(qū)的人均收入（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)多元線性回歸分析所得的部分分析結(jié)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(bǔ)齊。2）寫(xiě)出銷(xiāo)售與銷(xiāo)售價(jià)格、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

10、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)模型平方和自由均方F顯著性1回歸12026774.134008924.772.8&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)士均顯著（5）（6）7、對(duì)參加SAT考試的同學(xué)成績(jī)進(jìn)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)。

11、通常閱讀能和數(shù)學(xué)能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。方法：采用進(jìn)入回歸策。步驟：分析T回歸T線性T將MathSAT導(dǎo)入因變、其余變導(dǎo)入自變T確定。結(jié)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(qǐng)求的變。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1.710a.505.49969.495a.預(yù)測(cè)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(jì)1550486.420161因變：MathSAT預(yù)測(cè)變：（常），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）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(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).sav數(shù)據(jù)，用SPSS曲線估計(jì)方法選擇恰當(dāng)模型,寸樣本期外的糧食總產(chǎn)進(jìn)外推預(yù)測(cè)，并寸平均預(yù)測(cè)誤差進(jìn)估

13、計(jì)。采用二次曲線步驟：圖形T舊對(duì)話框T拆線圖T簡(jiǎn)單個(gè)案值T定義-將糧食總產(chǎn)導(dǎo)入線的表征T確定結(jié)果如下：値糧倉(cāng)總產(chǎn)量2萬(wàn)妙再雙擊上圖T元素菜單T添加標(biāo)記T應(yīng)用借糧食總產(chǎn)量(y乃獨(dú)接下夾：分析回歸曲線估計(jì)糧食總產(chǎn)導(dǎo)入因變、份導(dǎo)入變，點(diǎn)擊份在模型中選擇二次項(xiàng)、方、冪點(diǎn)擊“保存按鈕選擇保存預(yù)測(cè)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(jì)分析與spss的應(yīng)用（第五版）PPT-jwd第9章SPSS回歸分析習(xí)題糧食總產(chǎn).sav活動(dòng)數(shù)據(jù)集數(shù)據(jù)集1過(guò)濾器無(wú)寬（W）無(wú)拆分文件無(wú)工作數(shù)據(jù)文件中的數(shù)35缺失直處對(duì)缺失的定義用戶(hù)定義的缺失直被視作缺失。已使用的

14、個(gè)案任何變中帶有缺失直的個(gè)案用于分析。語(yǔ)法CURVEFIT/VARIABLES=lsclWITHnf/CONSTANT/MODEL=LINEARQUADRATICCUBICPOWER/PRINTANOVA/PLOTFIT/SAVE=PRED.資源處器時(shí)間用時(shí)00:00:00.1900:00:00.25使用從第一個(gè)觀測(cè)直到最后-個(gè)觀測(cè)直預(yù)測(cè)從使用周期后的第一入觀察到最后-個(gè)觀測(cè)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(shí)間序設(shè)置（TSET）輸出PRINT=DEFAULT保存新變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)程生成的最大新變數(shù)MXNEWVAR=4每個(gè)過(guò)程的最大新個(gè)案數(shù)MXPREDICT=1000用戶(hù)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(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)夫指定直在繪

16、圖中標(biāo)*記觀測(cè)直的變夫指定包括方程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。由于模型I項(xiàng)之間存在接近共線性，；該方模型無(wú)法擬合。模型描述模型名稱(chēng)MOD_1因變1養(yǎng)軋食總產(chǎn)（y萬(wàn)噸）方程式1線性（L）2二次項(xiàng)（Q）3方(U)4冪a自變份常已包括直在繪圖中標(biāo)*記觀測(cè)直的變夫指定叢對(duì)在方牙程式中輸入項(xiàng)的容許.0001a.此模型需要所有非缺失直為正。個(gè)案處摘要數(shù)字個(gè)案總計(jì)35排除的個(gè)案a0預(yù)測(cè)的f案0新創(chuàng)建的f案0a.任何變中帶有缺失直的個(gè)案無(wú)需分析。變處摘要變從屬自變養(yǎng)軋食總產(chǎn)(y萬(wàn)噸)份正直的數(shù)目的數(shù)目負(fù)直的數(shù)目缺失直的數(shù)目用戶(hù)缺失系統(tǒng)缺失350000350000糧食總

17、產(chǎn)(y萬(wàn)噸)線性(L)模型摘要RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)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(jì)204806305&68634自變?yōu)榉荨Ｏ禂?shù)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)誤貝塔份708.11846.793.93515.133.000（常）-1369647.90492136.775-14.865.000二次項(xiàng)（Q）模型摘要RR平方調(diào)整后的R平方標(biāo)準(zhǔn)估算的錯(cuò)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(jì)2048063058.68634自變?yōu)榉荨Ｏ禂?shù)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)誤貝塔份*2.180.012.93615.218.000（常）-673013.92645845.338-14.680.000輸入貝塔t顯