向东进版-多元统计分析课后习题答案Word文档下载推荐.doc

1、3937011464 19801359419965195598705297614453011599 1981154562048420711000723309139790l1758 1982l7616216232207101654363793313012123 198319608237562706103008402053471013670 1984229552789031671043S7469453189016429 19852541634487417910585l5773O4437020048 198627639396705257107507654204714021220 1987320434

2、58586658109300745124209021994 1988383105777281001ll026936015087023572 1989422806484079401127041055654699026649 19905017O685808594114333ll36523847029371 199l5288680871101511158231314595547031495 199258000102845l415O11717l1595215133034834 199368821141438228471185172018214883043490 19949457219359630126

3、1198502679605504052181 19951199302471833819612l12l3363504582162422 1996138442290826453051223894000394698974080 1997142112324121481061236264357945342986511 1998145996334298526201248104640595014598760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【Variable View】标签，在表中设置变量如下：3.录入数据。点击左下脚的【Data View】标签，在

4、表中输入数据.4.建立回归方程。选择【Analyze】【Regression】【Linear.】,打开Linear Regression（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

5、逐步法）。5单击【Statistics.】按钮，打开Linear Regression：Statistics（统计量）对话框，如下图所示：如图所示，在Regression Coefficients（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.）；Confidence intervals（致信区间）显示每个回归系数的95%置信区间或协方差矩阵；Covariance matrix（协方差矩阵）显示B的方差-协方差矩阵，相关系数矩阵；Model fit（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，

6、复相关系数R、R2调整R2，估计值的标准误差及方差分析表。colinearity diagnostics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Linear Regression：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Normal probability plot（正态概率图，即P-P图），和Histogram

7、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Linear Regression：Save（保存）对话框，如下图所示：此处在Predicted Values（预测值）中选择了Unstandardized（非标准化预测值），和Standardized（标准化预测值）；在Prediction Intervals（预测区间）选择Individual（个体预测区间）和mean，根据题目要求，设置Confidence Interval（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

8、。Variables Entered/Removed（a）ModelVariables EnteredVariables RemovedMethod1.Stepwise （Criteria: Probability-of-F-to-enter = .100）.a Dependent Variable: y2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R2a0.988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。Model Summary（b）RR SquareAdjusted R SquareStd. Er

9、ror of the EstimateDurbin-Watson.994（a）.989.988285.479745.822a Predictors: （Constant）, x5b Dependent Variable: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，表示此回归方程通过显著性检验。ANOVA（b） Sum of SquaresdfMean SquareFSig.Regression136089861.0321669.841.000（a）Residual15

10、48475.0081981498.685Total137638336.040204下表表示的是有关回归系数的信息。从表中可以看出，0695.441，10.180，经过标准化处理后，10.994，且x5的回归系数的Sig.值均小于给定的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：y695.441+ 0.180x5 y关于x5标准化的二元线性回归方程为：y659.441 + 0.994x5Coefficients（a） Unstandardized CoefficientsStandardized Coefficientst95% Confidence Interval for BCollinearity StatisticsBStd. ErrorBetaLower BoundUpper BoundToleranceVIF1（Constant） x5695.44190.8267.657.000505.340885.542.180.004.99440.864.171.1901.0005. 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: Variables E