spss助教05.19第七次作業(yè)楊

實驗六：線性回歸——一元與多元線性回信息 （1）因變量y與自變量x之間為線性關用來預測或用來解釋因變量的一個或多個變量稱為自變量(independentvariable)，x 確定顯著性水平，并根據(jù)分子自由度1和分母自由度n-2找出臨界值F作出決策：若F>F,H0；若F<F,不能輸入／移去的變量1建筑面積方尺.因變量:銷售額（百萬元模型RR調(diào)整方R改FSig.118預測變量:(常量),建筑面積（方尺）F1189因變量:銷售額（百萬元預測變量:(常量),建筑面積（方尺）系數(shù)數(shù)tB的95.0%間B差- 建筑面積（尺因變量:銷售額（百萬元R2提供回歸變異量，顯示以商店規(guī)模預測銷售額有84.1%的解釋力。=48.738，P=0.000系數(shù)估計的結果，商店規(guī)模能夠有效預測銷售額，Beta系數(shù)達 r2r2y y r2r2y y0.20.1整體回歸模式的共線性診斷可以透過特征值（eigenvalue）（conditionalindex;CI）來判斷。CI30，表示共線性問題緩和100，表示回歸模型具有中至高度共線性；100分工作，要了解這些變量對學期總分的影響，甚至加入的作用，參照課件，模型RR調(diào)整方R改FSig.154預測變量:(常量),期末考,,缺席次數(shù),作業(yè)分數(shù),期中考F5 49預測變量:(常量),期末考,,缺席次數(shù),作業(yè)分數(shù),期中考系數(shù)數(shù)tB的95.0%B差-----數(shù)-----1數(shù)------共線性診斷1231456，R20.954，95.4%的變化量。因為樣本數(shù)少且自變量多，宜采用調(diào)整后R2，但也達到89.6%的解釋比率。模型檢驗的結果回歸效果達顯著水，（t=1.668p=0.171n.s.輸入／移去的變量12..步進（F-to-enter的概率<=to-remove.100）。步進（F-to-enter的概率<=to-remove率>=.100）模型RR調(diào)整方R改FSig.121187F11892279系數(shù)數(shù)tB的95.0%B差---1-2數(shù)----期末考試成績 14.895（p=0.006Y=0.899X期末考成績-2.243X缺席次數(shù)模型RR調(diào)整方R改FSig.118226324預測變量:(常量),預測變量:(常量),,缺席次數(shù),作業(yè)分數(shù)預測變量:(常量),,缺席次數(shù),作業(yè)分數(shù),期末考,期中考F1 893 695 49預測變量:(常量),預測變量:(常量),,缺席次數(shù),作業(yè)分數(shù)預測變量:(常量),,缺席次數(shù),作業(yè)分數(shù),期末考,期中考系數(shù)數(shù)tB的95.0%B差12數(shù)3數(shù)------------------------------三個區(qū)組能有效解釋因變量學期成績95.4%的變