1、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/向前(准则:.F-to-enter的公顷 )概率 = .050)2风灾面积比例(%)3年份F-to-enter 的4总播种面积 ( 万a.因变量:粮食总产量 (y 万吨 )模型摘要调整后的 R 平RR 平方
2、方标准估算的错误.960 a.922.9192203.30154.975 b.950.9471785.90195.984 c.969.9661428.73617.994 d.989.987885.05221a.预测变量:(常量),施用化肥量(kg/ 公顷 )b.(kg/ 公顷 ),风灾面积比例 (%)c.风灾面积比例 (%),年份d.份 ,总播种面积 ( 万公顷 )aANOVA平方和自由度均方F显著性回归1887863315.616388.886.000 b残差160199743.070334854537.669总计2048063058.686341946000793.422973000396
3、.711305.069.000 c102062265.263323189445.7891984783160.329661594386.776324.106.000 d63279898.356312041287.0442024563536.011506140884.003646.150.000 e23499522.67530783317.423b.预测变量:(常量),施用化肥量 (kg/ 公顷 )e.年份 ,总播种面积 ( 万公顷 )系数 a非标准化系数标准系数B标准错误贝塔t(常量)17930.148504.30835.554.000施用化肥量 (kg/ 公顷 )179.2879.092.96
4、019.72020462.336720.31728.407193.7018.1061.23.897-327.22276.643-.185-4.269-460006.110231.478-4.173137.66714.399.7379.561-293.43961.803-.166-4.748244.92056.190.3234.359-512023.30768673.579-7.456.9448.925.74915.680-302.32438.305-.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
5、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=-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
6、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 SquareSig.Regression4008924.78.88341E-13ResidualTotal13458586.729Unstandardized CodfficientsStd.Error(Constant)7589.10252445.02133.10390.00457X1-117.886131.8974-3.69580.00103
7、X280.610714.76765.45860.00001X30.50120.12593.98140.000491) 将第一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-13 b1431812.62655069.7154(2) Y=7589.1-117.886 X1+80.6X2+0.5X3(3)回归方程显著性检验:整
8、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, Verbal. 输入bSAT Math SATb.已输入所有请求的变量。.710 a.505.49969.495(常量), Gender, Verbal SAT782588.468391294.2
9、3481.767897.9511594829.5471550486.420161184.58234.0685.418Verbal SAT.686.69612.446Gender37.21910.940.1903.402.001因变量:因概率 P 值小于显著性水平( 0.05 ),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
10、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-2018 09:28:44注释输入 数据 薛薇统计分析与 spss 的应用(第五版) 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 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=lscl WITH n
11、f/CONSTANT/MODEL=LINEAR QUADRATIC CUBICPOWER/PRINT ANOVA/PLOT FIT/SAVE=PRED .资源 处理器时间 00:00:00.19用时 00:00.25. .使用 从到预测 从变量已创建或已修改 FIT_1FIT_2FIT_3FIT_4时间序列设置 (TSET) 输出量保存新变量自相关或偏自相关图中的最大滞后数每个交叉相关图的最大延迟数每个过程生成的最大新变量数每个过程的最大新个案数用户缺失值处理置信区间百分比值在回归方程中输入变量的容差最大迭代参数变化计算标准的方法自相关的错误季节周期长度值在绘图中标记观测值的变量包括方程警告由
12、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自变量常量已包括未指定对在方程式中输入项的容许.第一个观测值最后一个观测值使用周期后的第一观察CURVEFIT和 MOD_1 LINEAR 中具有 nf的 lscl 的拟合CURVEFIT和 MOD_1 QUADRATIC 中具有nf 的 lscl 的拟合CURVEFIT和 MOD_1 CUBIC 中具有 nfCURVEFIT和 MOD_1 POWER中具有 nfPRINT = DEFAULTNEWVAR = CUR
13、RENTMXAUTO = 16MXCROSS = 7MXNEWVAR = 4MXPREDICT = 1000MISSING = EXCLUDECIN = 95TOLER = .0001CNVERGE = .001ACFSE = INDCONSTANT.0001a.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35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粮食总产量 (y 万吨 )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R R 平方 调整后的 R 平方 标准估算的错误.935 .874 .870 2795.862自变量为
14、 年份。回归 (R)1790107249.412229.006257955809.2747816842.705自变量为年份。系数非标准化系数 标准系数B 标准错误 贝塔 t 显著性年份 708.118 46.793 .935 15.133 .000-1369647.90492136.775-14.865.936 .875 .872 2782.1491792631355.014231.596255431703.6727740354.657年份 *2.180.012.93615.218-673013.92645845.338-14.680已排除的项输入贝塔 t 显著性 偏相关 最小容差年份 a -125.061 -7.851 .000 -.811 .000a.已达到输入变量的容许界限。.936 .877 .873 2768.471平方和 自由度 均方 F 显著性回归 (R) 1795136897.274 1 1795136897.274 234.217 .000残差 252926161.411 33 7664429.134总计 2048063058.686 34年份 *36.097E-515.304-440802.44130416.171-14.492
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1