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

學習資料收集于網(wǎng)絡，僅供參考《統(tǒng)計分析與SPSS的應用（第五版）》（薛薇）課后練習答案第9章SPSS的線性回歸分析1、利用第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量和被解釋變量，利用SPSS提供的繪制散點圖功能進行一元線性回歸分析。請繪制全部樣本以及不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女生樣本，并對各回歸直線的擬和效果進行評價。選擇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導入設置標記定確。接下來在SPSS輸出查看器中，雙擊上圖，打開圖表編輯學習資料學習資料收集于網(wǎng)絡，僅供參考在圖表編輯器中，選擇“元素”菜單選擇總計擬合線選擇線性應用再選擇元素菜單點擊子組擬合線選擇線性應用。學習資料學習資料收集于網(wǎng)絡，僅供參考分析：如上圖所示，通過散點圖，被解釋變量y(即：fore)與解釋變量phy有一定的線性關系。但回歸直線的擬合效果都不是很好。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和繼續(xù)。相關分析需要依靠回歸分析來表現(xiàn)變量之間數(shù)量相關的具體形式，而回歸分析則需要依靠相關分析來表現(xiàn)變量之間數(shù)量變化的相關程度。只有當變量之間存在高度相關時，進行回歸分析尋求其相關的具體形式才有意義。如果在沒有對變量之間是否相關以及相關方向和程度做出正確判斷之前，就進行回歸分析，很容易造成“虛假回歸”。與此時同，相關分析只研究變量之間相關互關系的具體形式，也無法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。的方向和程度，不能推斷變量之間相線性回歸分析是相關性回歸分析的一種，研究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。3、請說明為什么需要對線性回歸方程進行統(tǒng)計檢驗？一檢驗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、顯著性檢驗、回歸系數(shù)的顯著性檢驗、殘差分析般需要對哪些方面進行檢驗？等。學習資料學習資料收集于網(wǎng)絡，僅供參考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)計關系的前提是被解釋變量和解釋變量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量和解釋變量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了哪幾種解釋變量篩選策略？向前、向后、逐步。5、先收集到若干年糧食總產(chǎn)量以及播種面積、使用化肥量、農業(yè)勞動人數(shù)等數(shù)據(jù)，請利用建立多元線性回歸方程，分析影響糧食總產(chǎn)量的主要因素。數(shù)據(jù)文件名為“糧食總產(chǎn)量.sav”。方法：采用“前進“回歸策略。步驟：分析回歸線性將糧食總產(chǎn)量導入因變量、其余變量導入自變量方法項選“前進”確定。如下圖：（也可向后、或逐步）學習資料學習資料收集于網(wǎng)絡，僅供參考學習資料學習資料收集于網(wǎng)絡，僅供參考結論：如上4個表所示，影響程度中大到小依次是：施用化肥量(kg/公頃),風災面積比例(%),)對糧食年份,總播種面積(萬公頃)。（排除農業(yè)勞動者人數(shù)(百萬人)和糧食播種面積(萬公頃總產(chǎn)量的影響）剔除農業(yè)勞動者人數(shù))和糧食播種面積(萬公頃)后：4個變量（施用化肥量(kg/公頃”確定。(百萬人回歸線性將糧食總產(chǎn)量導入因變量、其余風災面積比例(%),年份,總播種面積(萬公頃)）導入自變量方法項選步驟：分析),“輸入如下圖：學習資料學習資料收集于網(wǎng)絡，僅供參考糧食總產(chǎn)量回歸方程：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)價格（x1）、各地區(qū)的年人均收入(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)。進行多元線性回歸分析所得的部分分析結果如下：品銷售量(y)與該公司的銷售ModelRegressionResidualTotalSumofSquaresDfMeanSquareFSig.4008924.78.88341E-1313458586.729學習資料學習資料收集于網(wǎng)絡，僅供參考UnstandardizedCodfficientsBStd.ErrortSig.(Constant)X17589.1025-117.886180.61070.50122445.021331.897414.76760.12593.1039-3.69585.45863.98140.004570.001030.000010.00049X2X31）將第一張表中的所缺數(shù)值補齊。2）寫出銷售量與銷售價格、年人均收入、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）12026774.11431812.655069.7154（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)檢驗均顯著（5）略（6）略7、對參加SAT考試的同學成績進行隨機調查，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)。通常閱讀能力和數(shù)學能力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)學成績的線性影是響否顯著。方法：采用進入回歸策略。步驟：分析回歸線性將MathSAT導入因變量、其余變量導入自變量確定。學習資料學習資料收集于網(wǎng)絡，僅供參考結果如下：學習資料學習資料收集于網(wǎng)絡，僅供參考因概率P值小于顯著性水平（0.05），所以表明在控制了性別之后，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)量.sav”數(shù)據(jù)，利用SPSS曲線估計方法選擇恰當模型，對樣本期外的糧食總產(chǎn)量進行外推預測，并對平均預測誤差進行估計。采用二次曲線步驟：圖形舊對話框拆線圖簡單個案值定義將糧食總產(chǎn)量導入線的表征確定結果如下：再雙擊上圖“元素”菜單添加標記應用學習資料學習資料收集于網(wǎng)絡，僅供參考接下來：分析回歸曲線估計糧食總產(chǎn)量導入因變量、年份導入變量，點擊年份在模型中選擇二次項、立方、冪點擊“保存”按鈕選擇保存”預測值”繼續(xù)確定。學習資料學習資料收集于網(wǎng)絡，僅供參考學