《统计分析和SPSS的应用第五版》课后练习答案与解析第9章Word下载.docx

1、主要包括回归方程的拟合优度检验、显著性检验、回归系数的显著性检验、残差分析等。线性回归方程能够较好地反映被解释变量和解释变量之间的统计关系的前提是被解释变量和解释变量之间确实存在显著的线性关系。 回归方程的显著性检验正是要检验被解释变量和解释变量之间的线性关系是否显著，用线性模型来描述他们之间的关系是否恰当。一般包括回归系数的检验，残差分析等。4、请说明SPSS多元线性回归分析中提供了哪几种解释变量筛选策略？向前、向后、逐步。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

2、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RR 平方调整后的 R 平方标准估算的错误.960a.922.9192203.30154.975b.950.9471785.90195.984c.969.9661428.73617.994d.989.987885.05221a. 预测变量

3、：（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1887863315.616388.886.000b残差160199743.070334854537.669总计2048063058.686341946000793.422973000396.711305.069.000c102062265.263323189445.

4、7891984783160.329661594386.776324.106.000d63279898.356312041287.0442024563536.011506140884.003646.150.000e23499522.67530783317.423e. 预测变量：系数a非标准化系数标准系数tB标准错误贝塔（常量）17930.148504.30835.554.000179.2879.092.96019.72020462.336720.31728.407193.7018.1061.03723.897-327.22276.643-.185-4.269-460006.046110231.4

5、78-4.173137.66714.399.7379.561-293.43961.803-.166-4.748244.92056.190.3234.359-512023.30768673.579-7.456139.9448.925.74915.680-302.32438.305-.171-7.893253.11534.827.3347.2682.451.344.1417.126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

6、（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=-7.893X1+15.68X2+7.126X3+7.268X4-7.4566、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：ModelSum of SquaresDfMean SquareS

7、ig.Regression4008924.78.88341E-13ResidualTotal13458586.729Unstandardized CodfficientsStd.Error（Constant）7589.10252445.02133.10390.00457X1-117.886131.8974-3.69580.00103X280.610714.76765.45860.00001X30.50120.12593.98140.000491） 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）12026774.172.88.88341E-13b1431812.62655069.7154（2）Y=7589.1-117.886 X1+80.6X2+0.5X3（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