应用统计学学课程设计.docx
《应用统计学学课程设计.docx》由会员分享，可在线阅读，更多相关《应用统计学学课程设计.docx（15页珍藏版）》请在冰豆网上搜索。
应用统计学学课程设计
目录
1.统计调查方案2
1.1确立研究问题2
1.2确立调查对象和调查单位2
1.3确立调查内容2
1.4调查方式和分析方法3
1.5调查期限3
2描述性分析3
2.1输出结果3
2.2数据分析3
3.统计图的绘制4
3.1各个地区财政科技拨款，RAD经费支出，新产品产值的指数。
4
4.统计报表的编制4
4.1具体方位的财政4
5.相关分析6
5.1输出结果6
６．均值比较7
6.1南北方的地方科技拨款均值比较7
7.一元线性回归分析7
7.1输出结果7
8.多元线性回归分析9
8.1输出结果9
1.统计调查方案
1.1确立研究问题
研究财政科技拨款与地方部分经济的关系
1.2确立调查对象和调查单位
调查对象：
各地区部分经济情况
调查单位：
各地的部分财政数据
1.3确立调查内容
1.4调查方式和分析方法
在本次调查中，主要运用的分析方法有：
描述性分析~统计图~统计报表的编制~均值比较~相关分析~一元线性回归分析~多元线性回归分析。
1.5调查期限
数据为2006年数据
2描述性分析
2.1输出结果
地方科技财政拨款的描述统计
Statistics
地方财政科技拨款
N
Valid
30
Missing
1
Mean
22.610
Std.Deviation
26.7329
Minimum
1.5
Maximum
104.1
2.2数据分析
从结果中可以看出，全国各地区的地方财政科技拨款的均值为22.610，标准差为26.7329，最小值为1.5，最大值为104.1.
3.统计图的绘制
3.1各个地区财政科技拨款，RAD经费支出，新产品产值的指数。
具体数据条形图
在图中显示了每个地区三者的具体情况。
图中显示出，新产品产值数据具体偏高，而且各地的RAD经费和科技财政拨款相对较低。
嗨可以分析出，东部沿海地区的普遍高于其他地区。
4.统计报表的编制
4.1具体方位的财政
南，北方的数据统计表
CaseSummariesa
地方财政科技拨款
RAD经费支出
新产品产值
方位
北方
1
60.5
433.0
1229
2
18.3
95.2
1976
3
13.5
76.7
610
4
8.1
36.3
408
5
7.9
16.5
224
6
34.5
135.8
1246
7
8.5
40.9
1081
8
13.6
57.0
315
9
41.1
234.1
3126
10
10.3
101.4
384
11
4.4
24.0
168
12
1.5
3.3
44
13
2.0
5.0
50
14
7.3
8.5
41
Total
Mean
16.536
90.550
778.71
Minimum
1.5
3.3
41
Maximum
60.5
433.0
3126
Std.ErrorofMean
4.5688
31.3056
237.757
南方
1
94.9
258.8
3963
2
54.4
346.1
3391
3
62.9
224.0
3123
4
8.9
59.3
492
5
15.4
67.4
1180
6
6.0
37.8
406
7
17.6
79.8
835
8
16.2
94.4
576
9
14.3
53.6
556
10
104.1
313.0
4420
11
9.3
18.2
327
12
1.7
2.1
116
13
7.5
36.9
784
14
14.6
107.8
852
15
7.6
14.5
173
16
11.4
20.9
168
Total
Mean
27.925
108.412
1335.12
Minimum
1.7
2.1
116
Maximum
104.1
346.1
4420
Std.ErrorofMean
8.1541
28.0224
368.722
Total
Mean
22.610
100.077
1075.47
Minimum
1.5
2.1
41
Maximum
104.1
433.0
4420
Std.ErrorofMean
4.8807
20.6005
228.008
各地区科技财政状况
a.Limitedtofirst100cases.
南方的数据高于北方，表明总体南方经济发展状况较好。
通过这个统计表可清晰的得出全国南北的状况。
5.相关分析
5.1输出结果
地区财政科技拨款与RAD经费支出相关表
Correlations
RAD经费支出
地方财政科技拨款
RAD经费支出
PearsonCorrelation
1
.870**
Sig.（2-tailed）
.000
N
30
30
地方财政科技拨款
PearsonCorrelation
.870**
1
Sig.（2-tailed）
.000
N
30
30
**.Correlationissignificantatthe0.01level（2-tailed）.
本例子没有描述性统计的分析。
本表为相关系数及显著性检验结果表。
从表中可知，RAD经费支出和地方财政科技拨款的相关系数r=0.870显著性水平为0.000（Sig。
（２—ｔａｉｌｅｄ）），“＊＊＂，因此二个的相关性十分显著。
６．均值比较
南北方的地方科技拨款均值比较
CaseProcessingSummary
Cases北方
Included
Excluded
Total
N
Percent
N
Percent
N
Percent
地方财政科技拨款*方位
30
96.8%
1
3.2%
31
100.0%
Report
地方财政科技拨款
方位
Mean
N
Std.Deviation
Variance
北方
16.536
14
17.0949
292.235
南方
27.925
16
32.6162
1.064E3
Total
22.610
30
26.7329
714.651
由表一可知样本有点确实，输出只有96.8%。
从表二得知，南方有16个省（自治区），科技拨款均值为27.925，标准差为32.6162；北方的14个省（自治区），均值为16.536，标准差17.0949.结果表明南北方的科技拨款有所差异。
7.一元线性回归分析
7.1输出结果
ModelSummaryb
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
ChangeStatistics
Durbin-Watson
RSquareChange
FChange
df1
df2
Sig.FChange
1
.870a
.757
.748
56.6279
.757
87.136
1
28
.000
1.790
a.Predictors:
（Constant）,地方财政科技拨款
b.DependentVariable:
RAD经费支出
ANOVAb
Model
SumofSquares
df
MeanSquare
F
Sig.
1
Regression
279422.024
1
279422.024
87.136
.000a
Residual
89788.289
28
3206.725
Total
369210.314
29
a.Predictors:
（Constant）,地方财政科技拨款
b.DependentVariable:
RAD经费支出
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t
Sig.
95%ConfidenceIntervalforB
Correlations
CollinearityStatistics
B
Std.Error
Beta
LowerBound
UpperBound
Zero-order
Partial
Part
Tolerance
VIF
1
（Constant）
17.056
13.638
1.251
.221
-10.880
44.992
地方财政科技拨款
3.672
.393
.870
9.335
.000
2.866
4.478
.870
.870
.870
1.000
1.000
a.DependentVariable:
RAD经费支出
输出的第一个表格反映的是一元线性回归模型拟合情况，相关系数R=0.870，决定系数R2=0.757.调整决定系数R2=0.748.回归估计标准差S=56.6279.
输出的第二个表格为方差分析表格。
从表中可以看出利差平方和为369210.314，残差平方和为89788.289，而回归平方和为279422.024。
回归方程显著性检验中，统计量为F=87.136，对应的置信水平为0.000，显著性水平较高。
第三个表格为回归系数分析表。
从表中可以看出费标准化系数回归方程的常数项为17.056，回归系数为3.672.回归系数检验统计量9.335。
由此回归方程为y（RAD经费支出）=17.056+3.672x（地方科技财政拨款），由置信水平可知，二个关系是非常显著的，建立回归方程有效。
最后一个输出为正太分布图，用来观察标准化残差的分布是否符合正太分布。
可知点均匀分布在直线两边，应该可以建立方程。
8.多元线性回归分析
8.1输出结果
DescriptiveStatistics
Mean
Std.Deviation
N
新产品产值
1075.47
1248.850
30
地方财政科技拨款
22.610
26.7329
30
RAD经费支出
100.077
112.8335
30
Correlations
新产品产值
地方财政科技拨款
RAD经费支出
PearsonCorrelation
新产品产值
1.000
.912
.796
地方财政科技拨款
.912
1.000
.870
RAD经费支出
.796
.870
1.000
Sig.（1-tailed）
新产品产值
.
.000
.000
地方财政科技拨款
.000
.
.000
RAD经费支出
.000
.000
.
N
新产品产值
30
30
30
地方财政科技拨款
30
30
30
RAD经费支出
30
30
30
VariablesEntered/Removedb
Model
VariablesEntered
VariablesRemoved
Method
1
RAD经费支出,地方财政科技拨款a
.
Enter
a.Allrequestedvariablesentered.
b.DependentVariable:
新产品产值
ModelSummaryb
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
1
.912a
.832
.820
529.891
a.Predictors:
（Constant）,RAD经费支出,地方财政科技拨款
b.DependentVariable:
新产品产值
ANOVAb
Model
SumofSquares
df
MeanSquare
F
Sig.
1
Regression
3.765E7
2
1.882E7
67.041
.000a
Residual
7581187.067
27
280784.706
Total
4.523E7
29
a.Predictors:
（Constant）,RAD经费支出,地方财政科技拨款
b.DependentVariable:
新产品产值
第一个表格是参与回归分析的三个变量的描述性统计表，从表中可以看出，参与分析的新产品产值，地方财政科技拨款，RAD经费支出三个变量样本数一样，均值分别为1075.47，22.610，100.077；标准差分别为1248.850，26.7329，112.8335.
输出的第二个表格为参与回归分析的三个变量的相关系数及其检验。
表的内容可分为三部分，PearsonCorrelation栏给出来三个变量二二相关系数表，因变量新产品与自变量地方财政科技拨款的相关系数最大，二个自变量之间也有一定的关系。
第二栏给出变量二二之间的关系。
最后一栏给出变量的样本数。
输出的第三个表格一次列出模型对自变量的筛选过程，即自变量进入—推出模型的情况。
第一个进入的是RAD经费支出，地方财政科技拨款是第二个。
第四个输出表格为回归方程拟合总结表，模型的相关系数为R=0.912，决定系数R2=0.832，调整决定系数AdjustRSquare=0.820，误差估计值Std。
ErrorofEstimate=529.891.
第五个输出表格为回归方程的方差分解及检验结果。
回归方程的统计量F=67.041，p=0.000.可见其显著性
升级会员 