统计分析与SPSS的应用课后练习答案Word文档格式.docx

统计分析与SPSS的应用课后练习答案Word文档格式.docx

《统计分析与SPSS的应用课后练习答案Word文档格式.docx》由会员分享，可在线阅读，更多相关《统计分析与SPSS的应用课后练习答案Word文档格式.docx（24页珍藏版）》请在冰豆网上搜索。

5、先收集到若干年粮食总产量以及播种面积、使用化肥量、农业劳动人数等数据，请利用建立多元线性回归方程，分析影响粮食总产量的主要因素。

数据文件名为“粮食总产量.sav”。

方法：

采用“前进“回归策略。

分析→回归→线性→将粮食总产量导入因变量、其余变量导入自变量→方法项选“前进”→确定。

如下图：

（也可向后、或逐步）

已输入/除去变量a

模型

已输入变量

已除去变量

方法

1

施用化肥量（kg/公顷）

.

向前（准则：

F-to-enter的概率<

=.050）

2

风灾面积比例（%）

3

年份

4

总播种面积（万公顷）

a.因变量：

粮食总产量（y万吨）

模型摘要

R

R平方

调整后的R平方

标准估算的错误

.960a

.922

.919

.975b

.950

.947

.984c

.969

.966

.994d

.989

.987

a.预测变量：

（常量），施用化肥量（kg/公顷）

b.预测变量：

（常量），施用化肥量（kg/公顷）,风灾面积比例（%）

c.预测变量：

（常量），施用化肥量（kg/公顷）,风灾面积比例（%）,年份

d.预测变量：

（常量），施用化肥量（kg/公顷）,风灾面积比例（%）,年份,总播种面积（万公顷）

ANOVAa

平方和

自由度

均方

F

显著性

回归

.000b

残差

33

总计

34

.000c

32

.000d

.356

31

.000e

.675

30

e.预测变量：

系数a

非标准化系数

标准系数

t

B

标准错误

贝塔

（常量）

.000

.960

.737

.323

.749

.334

.344

.141

结论：

如上4个表所示，影响程度中大到小依次是：

施用化肥量（kg/公顷）,风灾面积比例（%）,年份,总播种面积（万公顷）。

（排除农业劳动者人数（百万人）和粮食播种面积（万公顷）对粮食总产量的影响）

剔除农业劳动者人数（百万人）和粮食播种面积（万公顷）后：

分析→回归→线性→将粮食总产量导入因变量、其余4个变量（施用化肥量（kg/公顷）,风灾面积比例（%）,年份,总播种面积（万公顷））导入自变量→方法项选“输入”→确定。

粮食总产量回归方程：

Y=+++、一家产品销售公司在30个地区设有销售分公司。

为研究产品销售量（y）与该公司的销售价格（x1）、各地区的年人均收入（x2）、广告费用（x3）之间的关系，搜集到30个地区的有关数据。

进行多元线性回归分析所得的部分分析结果如下：

Model　

SumofSquares

Df

MeanSquare

Sig.

Regression

Residual

Total

.7

29

UnstandardizedCodfficients

（Constant）

X1

X2

X3

1）将第一张表中的所缺数值补齐。

2）写出销售量与销售价格、年人均收入、广告费用的多元线性回归方程，并解释各回归系数的意义。

3）检验回归方程的线性关系是否显著？

4）检验各回归系数是否显著？

5）计算判定系数，并解释它的实际意义。

6）计算回归方程的估计标准误差，并解释它的实际意义。

（1）

.1

26

（2）Y=X1++

（3）回归方程显著性检验：

整体线性关系显著

（4）回归系数显著性检验：

各个回归系数检验均显著

（5）略

（6）略

7、对参加SAT考试的同学成绩进行随机调查，获得他们阅读考试和数学考试的成绩以及性别数据。

通常阅读能力和数学能力具有一定的线性相关性，请在排除性别差异的条件下，分析阅读成绩对数学成绩的线性影响是否显著。

采用进入回归策略。

分析→回归→线性→将MathSAT导入因变量、其余变量导入自变量→确定。

结果如下：

Gender,VerbalSATb

输入

MathSAT

b.已输入所有请求的变量。

.710a

.505

.499

（常量），Gender,VerbalSAT

159

161

VerbalSAT

.686

.055

.696

Gender

.190

.001

因概率P值小于显著性水平（），所以表明在控制了性别之后，阅读成绩对数学成绩有显著的线性影响。

8、试根据“粮食总产量.sav”数据，利用SPSS曲线估计方法选择恰当模型，对样本期外的粮食总产量进行外推预测，并对平均预测误差进行估计。

采用二次曲线

图形→旧对话框→拆线图→简单→个案值→定义→将粮食总产量导入线的表征→确定

再双击上图→“元素”菜单→添加标记→应用

接下来：

分析→回归→曲线估计→粮食总产量导入因变量、年份导入变量，点击年份→在模型中选择二次项、立方、幂→点击“保存”按钮→选择保存”预测值”→继续→确定。

曲线拟合

附注

已创建输出

03-MAY-201809:

28:

44

注释

数据

F:

\SPSS\薛薇《统计分析与spss的应用（第五版）》\PPT--jwd\第9章SPSS回归分析\习题\粮食总产量.sav

活动数据集

数据集1

过滤器

<

无>

宽度（W）

拆分文件

工作数据文件中的行数

35

缺失值处理

对缺失的定义

用户定义的缺失值被视作缺失。

已使用的个案

任何变量中带有缺失值的个案不用于分析。

语法

CURVEFIT

/VARIABLES=lsclWITHnf

/CONSTANT

/MODEL=LINEARQUADRATICCUBICPOWER

/PRINTANOVA

/PLOTFIT

/SAVE=PRED.

资源

处理器时间

00:

用时

使用

从

第一个观测值

到

最后一个观测值

预测

使用周期后的第一观察

变量已创建或已修改

FIT_1

CURVEFIT和MOD_1LINEAR中具有nf的lscl的拟合

FIT_2

CURVEFIT和MOD_1QUADRATIC中具有nf的lscl的拟合

FIT_3

CURVEFIT和MOD_1CUBIC中具有nf的lscl的拟合

FIT_4

CURVEFIT和MOD_1POWER中具有nf的lscl的拟合

时间序列设置（TSET）

输出量

PRINT=DEFAULT

保存新变量

NEWVAR=CURRENT

自相关或偏自相关图中的最大滞后数

MXAUTO=16

每个交叉相关图的最大延迟数

MXCROSS=7

每个过程生成的最大新变量数

MXNEWVAR=4

每个过程的最大新个案数

MXPREDICT=1000

用户缺失值处理

MISSING=EXCLUDE

置信区间百分比值

CIN=95

在回归方程中输入变量的容差

TOLER=.0001

最大迭代参数变化

CNVERGE=.001

计算标准的方法自相关的错误

ACFSE=IND

季节周期长度

未指定

值在绘图中标记观测值的变量

包括方程

CONSTANT

警告

由于模型项之间存在接近共线性，该二次模型无法拟合。

由于模型项之间存在接近共线性，该立方模型无法拟合。

模型描述

模型名称

MOD_1

因变量

方程式

线性（L）

二次项（Q）

立方（U）

幂a

自变量

常量

已包括

对在方程式中输入项的容许

.0001

a.此模型需要所有非缺失值为正。

个案处理摘要

数字

个案总计

排除的个案a

预测的个案

新创建的个案

a.任何变量中带有缺失值的个案无需分析。

变量处理摘要

变量

从属

正值的数目

零的数目

负值的数目

缺失值的数目

用户缺失

系统缺失

.935

.874

.870

自变量为年份。

ANOVA

回归（R）

系数

.936

.875

.872

年份**2

.180

.012

已排除的项

输入贝塔

偏相关

最小容差

年份a

a.已达到输入变量的容许界限。

.877

.873

年份**3

幂

.938

.880

.108

.384

ln（年份）

因变量为ln（粮食总产量（y万吨））。

如上表所示，粮食总产量总体呈现上升趋势，在对回归进行检验时，sig值为0<

，故拒绝原假设，即认为回归方程中解释变量与被解释变量间显著。

预测值：