应用回归分析上机指导共17页word资料.docx
《应用回归分析上机指导共17页word资料.docx》由会员分享,可在线阅读,更多相关《应用回归分析上机指导共17页word资料.docx(24页珍藏版)》请在冰豆网上搜索。
应用回归分析上机指导共17页word资料
试验一一元线性回归分析
这个工作可让学生分组负责收集整理,登在小黑板上,每周一换。
要求学生抽空抄录并且阅读成诵。
其目的在于扩大学生的知识面,引导学生关注社会,热爱生活,所以内容要尽量广泛一些,可以分为人生、价值、理想、学习、成长、责任、友谊、爱心、探索、环保等多方面。
如此下去,除假期外,一年便可以积累40多则材料。
如果学生的脑海里有了众多的鲜活生动的材料,写起文章来还用乱翻参考书吗?
试验目的:
通过上机试验,使学生掌握一元线性回归分析的基本原理,熟悉软件操作过程,能对软件输出结果进行分析。
观察内容的选择,我本着先静后动,由近及远的原则,有目的、有计划的先安排与幼儿生活接近的,能理解的观察内容。
随机观察也是不可少的,是相当有趣的,如蜻蜓、蚯蚓、毛毛虫等,孩子一边观察,一边提问,兴趣很浓。
我提供的观察对象,注意形象逼真,色彩鲜明,大小适中,引导幼儿多角度多层面地进行观察,保证每个幼儿看得到,看得清。
看得清才能说得正确。
在观察过程中指导。
我注意帮助幼儿学习正确的观察方法,即按顺序观察和抓住事物的不同特征重点观察,观察与说话相结合,在观察中积累词汇,理解词汇,如一次我抓住时机,引导幼儿观察雷雨,雷雨前天空急剧变化,乌云密布,我问幼儿乌云是什么样子的,有的孩子说:
乌云像大海的波浪。
有的孩子说“乌云跑得飞快。
”我加以肯定说“这是乌云滚滚。
”当幼儿看到闪电时,我告诉他“这叫电光闪闪。
”接着幼儿听到雷声惊叫起来,我抓住时机说:
“这就是雷声隆隆。
”一会儿下起了大雨,我问:
“雨下得怎样?
”幼儿说大极了,我就舀一盆水往下一倒,作比较观察,让幼儿掌握“倾盆大雨”这个词。
雨后,我又带幼儿观察晴朗的天空,朗诵自编的一首儿歌:
“蓝天高,白云飘,鸟儿飞,树儿摇,太阳公公咪咪笑。
”这样抓住特征见景生情,幼儿不仅印象深刻,对雷雨前后气象变化的词语学得快,记得牢,而且会应用。
我还在观察的基础上,引导幼儿联想,让他们与以往学的词语、生活经验联系起来,在发展想象力中发展语言。
如啄木鸟的嘴是长长的,尖尖的,硬硬的,像医生用的手术刀―样,给大树开刀治病。
通过联想,幼儿能够生动形象地描述观察对象。
试验数据:
观察内容的选择,我本着先静后动,由近及远的原则,有目的、有计划的先安排与幼儿生活接近的,能理解的观察内容。
随机观察也是不可少的,是相当有趣的,如蜻蜓、蚯蚓、毛毛虫等,孩子一边观察,一边提问,兴趣很浓。
我提供的观察对象,注意形象逼真,色彩鲜明,大小适中,引导幼儿多角度多层面地进行观察,保证每个幼儿看得到,看得清。
看得清才能说得正确。
在观察过程中指导。
我注意帮助幼儿学习正确的观察方法,即按顺序观察和抓住事物的不同特征重点观察,观察与说话相结合,在观察中积累词汇,理解词汇,如一次我抓住时机,引导幼儿观察雷雨,雷雨前天空急剧变化,乌云密布,我问幼儿乌云是什么样子的,有的孩子说:
乌云像大海的波浪。
有的孩子说“乌云跑得飞快。
”我加以肯定说“这是乌云滚滚。
”当幼儿看到闪电时,我告诉他“这叫电光闪闪。
”接着幼儿听到雷声惊叫起来,我抓住时机说:
“这就是雷声隆隆。
”一会儿下起了大雨,我问:
“雨下得怎样?
”幼儿说大极了,我就舀一盆水往下一倒,作比较观察,让幼儿掌握“倾盆大雨”这个词。
雨后,我又带幼儿观察晴朗的天空,朗诵自编的一首儿歌:
“蓝天高,白云飘,鸟儿飞,树儿摇,太阳公公咪咪笑。
”这样抓住特征见景生情,幼儿不仅印象深刻,对雷雨前后气象变化的词语学得快,记得牢,而且会应用。
我还在观察的基础上,引导幼儿联想,让他们与以往学的词语、生活经验联系起来,在发展想象力中发展语言。
如啄木鸟的嘴是长长的,尖尖的,硬硬的,像医生用的手术刀―样,给大树开刀治病。
通过联想,幼儿能够生动形象地描述观察对象。
例一.一家保险公司十分关心其总公司营业部加班的程度,决定认真调查一下现状。
经过10周时间,收集了每周加班工作时间的数据和签发的新保单数目,x为每周签发的新保单数目,y为每周加班工作时间(小时)。
见表1.1
表11
周序号
1
2
3
4
5
6
7
8
9
10
X
825
215
1070
550
480
920
1350
325
670
1215
y
3.5
1.0
4.0
2.0
1.0
3.0
4.5
1.5
3.0
5.0
问Y与X之间是否存在显著的线性结果分析,用最小二乘估计求出回归方程,并作相应分析。
软件实现步骤:
1.在SPSS的数据编辑窗口中输入表1.1中的数据。
在“Analyze”菜单中选择“Regression”中的Linear命令。
2.在弹出的LinearRegression对话框中,从对话框左侧的变量列表中选择Y变量,单击Dependent框旁的箭头按钮,使之添加到Dependent框中,表示该变量是因变量,选择X变量,单击Inderndent(s)框旁的箭头按钮,使之添加到Inderndent(s)框中,表示其为自变量。
3.单击OK按钮,即可得到SPSS回归分析的结果。
软件输出结果:
结果分析:
1.输出结果文件中的第一个表格输出的是被引入或从回归方程中被剔除的各变量。
这部分结果说明在对编号为1的模型(Model)进行线性回归分析时所采用的方法是全部引入法:
Enter。
2.输出的结果文件中第二个表格输出的是常用统计量。
从这部分结果看出相关系数R=0.949,判定系数R2=0.900,调整的判定系数R2=0.888,回归估计的标准误差S=0.48002。
说明样本回归方程的代表性强。
3.输出的结果文件中第三表格是方差分析表。
从这部分结果看出:
统计量F=72.396;相伴概率值p<0.001。
说明自变量x与因变量y之间确有线性回归关系。
另外,SumofSquares一栏中分别代表回归平方和(16.682)、残差平方和(1.843)以及总平方和(18.525),Df为自由度。
4.输出的结果文件中第四个表格是回归系数分析。
其中,UnstandadizedCoefficients为非标准化系数,StandadizedCoefficients为标准化系数,t为回归系数检验统计量,Sig为相伴概率值。
从表格中可以看出估计值及其检验结果,常数项B0=0.118,回归系数B1=0.003585,回归系数检验统计量t=8.509,相伴概率值p<0.001。
说明回归系数与0有显著差别,该回归方程有意义:
Y=0.118+0.003585X
试验二多元线性回归分析
试验目的:
通过上机试验,使学生掌握多元线性回归分析的基本原理,熟悉软件操作过程,能对软件输出结果进行分析。
试验数据:
例二:
研究货运总量y(万吨)与工业总产值x1(亿元)、农业总产值x2(亿元)、居民非商品支出x3(亿元)的关系。
数据见表2.1
表2.1
编号
货运总量 y(万吨)
工业总产值x1(亿元)
农业总产值x2(亿元)
居民非商品支出x3(亿元)
1
160
70
35
1.0
2
260
75
40
2.4
3
210
65
40
2.0
4
265
74
42
3.0
5
240
72
38
1.2
6
220
68
45
1.5
7
275
78
42
4.0
8
160
66
36
2.0
9
275
70
44
3.2
10
250
65
42
3.0
问Y与X之间是否存在显著的线性结果分析,用最小二乘估计求出回归方程,并作相应分析。
软件实现步骤:
1.在SPSS的数据编辑窗口中输入表2.1中的数据。
在“Analyze”菜单中选择“Regression”中的Linear命令。
2.在弹出的LinearRegression对话框中,从对话框左侧的变量列表中选择Y变量,单击Dependent框旁的箭头按钮,使之添加到Dependent框中,表示该变量是因变量,选择X1,X2、,X3变量,单击Inderndent(s)框旁的箭头按钮,使之添加到Inderndent(s)框中,表示其为自变量。
3.单击LinearRegression对话框中的Statistics按钮,Statistics对话框,用来选择输出哪些统计量,本试验中,我们选择如下几项:
Estimates:
SPSS默认的输出项.输出与回归系数相关统计量。
如回归系数、回归系数的标准误差、标准回归系数、t统计师长相应的相伴概率值(sig)、各自变量的容忍度等。
Confidenceintervals:
输出每一个非标准化回归系数95%的可信区间。
Modelfit:
输出判定系数、调整的判定系数、回归方程的标准误差,F检验的ANOVA方差分析表。
该选项为默认选项。
Descriptives:
输出自变量和因变量的均值、标准差相关系数矩阵用单侧检验概率。
单击Continue按钮回到LinearRegression对话框。
4.单击LinearRegression对话框中的Save按钮,打开Save对话框,PredictedValues(即预测值栏)中选择Unstandardized(即保存均值的预测区间)和Indiviual(即保存单个新值的预测区间)。
然后单击Continue按钮回到LinearRegression对话框。
5.单击OK按钮,即可得到SPSS分析的结果。
软件部分输出结果:
结果分析:
1、回归方程为Y=-348.280+3.754X1+7.101X2+12.447X3
2.决定系数R2=0.806修正后的决定系数为R=0.708
由决定系数看回归方程拟合效果还可以。
3.方差分析表,D=8.283,P值=0.015表明回归方程较显著,说明X1、X2、X3整体上对Y有效显著的线性影响。
4.回归系数的显著性检验:
t1=1.942,P1=0.100,t2=2.465,P2=0.049,表明X1,X2对Y有效显著影响(取a=0.1),t3=1.178,P3=0.284>0.1,表明X3对Y没有显著影响,可以考虑从回归方程中剔除X3,仅以X1,X2为自变量,重新对Y作回归方程,具体软件操作步骤同前。
从而得到新的回归方程为Y=-459.3624+4.676X1+8.971X2;标准化方程为Y=0.479X1+0.676X2
F=11.117,P=0.007,说明方程整体显著。
T1=2.575,P1=0.037,P2=0.08,表明X1,X2对Y均有显著影响
每一个系数(包括常数项)的置信水平为95%的置信区间依次为[-821.54,-97.700]、[0.381,8.970],[3.134,14.808]。
当X01=75,X02=42时,则Y=267.8290。
给定置信水平为99%,Y0的预测区间为[226.5961,309.0619]。
试验三异方差问题及其处理
试验目的:
通过上机试验,使学生掌握异方差性的论断及处理,熟悉软件操作过程,能对软件输出结果进行分析。
试验数据:
例三:
为了探索社会保障与就业者人数的规律,我们以1989年全国30个省、市、自治区国有单位劳动保险费用总额为被解释变量y,以相应的国有单位劳动者人数作为解释变量x。
数据来自国家统计局社会统计司编《中国社会统计资料(1990)》。
见表3.1
表3.1
省、市、自治区\变量
Y(万元)
X(万元)
北京
13.94
336.40
天津
9.90
214.00
河北
12.66
482.30
山西
7.91
327.10
内蒙古
7.12
268.30
辽宁
26.56
650.80
吉林
12.43
343.70
黑龙江
19.19
588.00
上海