向东进版-多元统计分析课后习题答案Word文档下载推荐.doc
《向东进版-多元统计分析课后习题答案Word文档下载推荐.doc》由会员分享,可在线阅读,更多相关《向东进版-多元统计分析课后习题答案Word文档下载推荐.doc(17页珍藏版)》请在冰豆网上搜索。
39370
1146.4
1980
1359.4
1996.5
195.5
98705
2976.1
44530
1159.9
1981
1545.6
2048.4
207.1
100072
3309.1
39790
l175.8
1982
l761.6
2162.3
220.7
101654
3637.9
33130
1212.3
1983
1960.8
2375.6
270.6
103008
4020.5
34710
1367.0
1984
2295.5
2789.0
316.7
1043S7
4694.5
31890
1642.9
1985
2541.6
3448.7
417.9
10585l
5773.O
44370
2004.8
1986
2763.9
3967.0
525.7
107507
6542.0
47140
2122.0
1987
3204.3
4585.8
665.8
109300
7451.2
42090
2199.4
1988
3831.0
5777.2
810.0
1ll026
9360.1
50870
2357.2
1989
4228.0
6484.0
794.0
112704
10556.5
46990
2664.9
1990
5017.O
6858.0
859.4
114333
ll365.2
38470
2937.1
199l
5288.6
8087.1
1015.1
115823
13145.9
55470
3149.5
1992
5800.0
10284.5
l415.O
11717l
15952.1
51330
3483.4
1993
6882.1
14143.8
2284.7
118517
20182.1
48830
4349.0
1994
9457.2
19359.6
3012.6
119850
26796.0
55040
5218.1
1995
11993.0
24718.3
3819.6
12l12l
33635.0
45821
6242.2
1996
13844.2
29082.6
4530.5
122389
40003.9
46989
7408.0
1997
14211.2
32412.1
4810.6
123626
43579.4
53429
8651.1
1998
14599.6
33429.8
5262.0
124810
46405.9
50145
9876.0
解:
1.打开SPSS软件,在弹出来的对话框中选择【Cancel】。
2.定义变量。
点击左下脚的【VariableView】标签,在表中设置变量如下:
3.录入数据。
点击左下脚的【DataView】标签,在表中输入数据.
4.建立回归方程。
选择【Analyze】→【Regression】→【Linear...】,打开LinearRegression(线性回归分析)主对话框,将y(财政收入)导入Dependent(因变量)列表,将x1、x2、x3、x4、x5、x6导入Independent(s)(自变量)列表,如下图所示:
如图所示,Method(方法)下拉菜单,可以指定自变量进入分析的方法。
通过选择不同的方法,可对相同的变量建立不同的回归模型,建立多重回归的方法有5种:
Enter(强迫引入法),Stepwise(逐步回归法),Remove(强迫剔除法),Backward(后向消去法),Forward(前向逐步法)。
5单击【Statistics...】按钮,打开LinearRegression:
Statistics(统计量)对话框,如下图所示:
如图所示,在RegressionCoefficients(回归系数)选项中,选择了Estimates(估计值)——显示回归系数B、SEB、标准化回归系数(Bate)、B的t值及双侧显著性水平(sig.);
Confidenceintervals(致信区间)——显示每个回归系数的95%置信区间或协方差矩阵;
Covariancematrix(协方差矩阵)——显示B的方差-协方差矩阵,相关系数矩阵;
Modelfit(模型拟合)——显示被引入模型或剔除的变量及拟合优度统计量,复相关系数R、R2调整R2,估计值的标准误差及方差分析表。
colinearitydiagnostics显示共线性问题.
在Residuals(残差统计量)选项中,选择Durbin-Watson选项,同时显示标准化与非标准化残差与预测值的汇总统计量。
6单击【Continue】→【Plots...】按钮,打开LinearRegression:
Plots(图形)
对话框,如下图所示:
此处选择了一个Scatter(散点图),它是以DEPENDNT(因变量)作为Y轴,以*ZRESID(标准化残差)为X轴;
同时还选择了Normalprobabilityplot(正态概率图,即P-P图),和Histogram标准化残差的直方图并给出正态曲线。
7单击【Continue】→【Save...】按钮,打开LinearRegression:
Save(保存)对话框,如下图所示:
此处在PredictedValues(预测值)中选择了Unstandardized(非标准化预测值),和Standardized(标准化预测值);
在PredictionIntervals(预测区间)选择Individual(个体预测区间)和mean,根据题目要求,设置ConfidenceInterval(置信区间)为95%。
8单击【Continue】→【OK】按钮,得到主要结果。
逐步回归法:
1.此表显示的是变量的引入与剔除,以及选用的方法。
VariablesEntered/Removed(a)
Model
VariablesEntered
VariablesRemoved
Method
1
.
Stepwise(Criteria:
Probability-of-F-to-enter<
=.050,Probability-of-F-to-remove>
=.100).
aDependentVariable:
y
2.下表显示的是模型摘要。
从表中可以得出:
复相关系数R2=0.989和修正的复相关系数R2a=0.988接近于1,这说明模型的拟合优度比较高;
DW统计量为0.822,用于判别该模型是否存在一阶自相关。
ModelSummary(b)
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
Durbin-Watson
.994(a)
.989
.988
285.479745
.822
aPredictors:
(Constant),x5
bDependentVariable:
3.下表是方差分析表。
从表中可以得到有关SSR,SSE,SST的平方和、自由度和均方差等信息,以及MSR,MSE的值,如表中所示,F值为1669.841,Sig.值小于给定α,表示此回归方程通过显著性检验。
ANOVA(b)
SumofSquares
df
MeanSquare
F
Sig.
Regression
136089861.032
1669.841
.000(a)
Residual
1548475.008
19
81498.685
Total
137638336.040
20
4.下表表示的是有关回归系数的信息。
从表中可以看出,β0=695.441,β1=0.180,经过标准化处理后,β1×
=0.994,且x5的回归系数的Sig.值均小于给定的α=0.05,即通过了显著性检验。
y关于x5的非标准化的二元线性回归方程为:
y=695.441+0.180x5y关于x5标准化的二元线性回归方程为:
y=659.441+0.994x5
Coefficients(a)
UnstandardizedCoefficients
StandardizedCoefficients
t
95%ConfidenceIntervalforB
CollinearityStatistics
B
Std.Error
Beta
LowerBound
UpperBound
Tolerance
VIF
1(Constant)
x5
695.441
90.826
7.657
.000
505.340
885.542
.180
.004
.994
40.864
.171
.190
1.000
5.由直方图中显示,总体分布接近正态分布。
6.上图右为残差的正态概率图,即P-P图。
从图中可以看到,点(q(i),e(i))近似在一条直线上,且e(i)与q(i)之间的相关系数非常接近于1,从而可以认为本题中误差正态性的假设是合理的。
差分法:
VariablesE