spass回归分析实验报告.docx

1、spass回归分析实验报告实验主题专业统计软件应用实验题目回归分析实训时间 2011 学年 2 学期 15 周 （2011年 6月1日2日）学生姓名官其虎学号2009211467班级0360901实训地点信息管理实验室设备号B25指导教师刘进一 实验目的回归分析是指通过提供变量之间的数学表达式来定量描述变量间相关关系的数学过程，这一数学表达式通常称为经验公式。我们不仅可以利用概率统计知识，对这个经验公式的有效性进行判定，同时还可以利用这个经验公式，根据自变量的取值预测因变量的取值。如果是多个因素作为自变量的时候，还可以通过因素分析，找出哪些自变量对因变量的影响是显著的，哪些是不显著的。 理解和

2、学会使用回归分析方法解决问题。二 实验内容第一题：合金钢的强度y与钢材中碳的含量x有密切的关系，为了冶炼出符合要求强度的钢，常常通过控制钢水中的碳含量来达到目的，因此需要了解y与x之间的关系，数据如表9.27所示，现对x和y进行一元线性回归分析。（数据文件为：data9-5.sav） 表9.27 碳含量与钢强度数据碳含量0.030.040.050.070.09010.120.150.170.2钢强度40.539.54141.543424547.553561、 实验原理：一元线性回归分析2、 实验步骤：按Analyze|Regression|Linear Regression 的顺序打开Line

3、ar Regression 对话框，打开Statistics 对话框，选择Confidence interval 和Estimates 运行3、 实验结果：Variables Entered/RemovedbModelVariables EteredVariables RemovedMethod1xa.Entera. All requested variables entered.b. Dependent Variable: YModel SummaryModelRR SquareAdjusted RSquareStd. Error of the Estimate1.983a.966.9627

4、7.3073a. Predictors: (Constant), xANOVAbModelSum of SquaresdfMean SquareFSig.1Regression1517083.63711517083.637253.845.000aResidual53787.77295976.419Total1570871.40910a. Predictors: (Constant), xb. Dependent Variable: YCoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Co

5、nfidence Interval for BBStd. ErrorBetaLower BoundUpper Bound1(Constant)-94.57528.417-3.328.009-158.858-30.292x1410.21088.511.98315.933.0001209.9831610.437a. Dependent Variable: Y分析：一个是方差分析表，是对回归方程进行显著性检验的情况。从结果看，相伴概率Sig.0.05，说明自变量x与因变量y 之间确有线性关系。一个是是对回归系数的分析。从两系数的相伴概率来看均0.05，说明均具有显著性意义，说明回归系数是显著的，则回

6、归方程为： y =-94.575+ 1410.210x。第二题：某公司太阳镜销售情况如表8.17，销售量与平均价格、广告费用和日照时间之间的关系作多元线性回归分析。（数据文件：data8-8.sav）1、 实验原理：多元线性回归分析2、 实验步骤：第1 步 分析：显然是采用多重线性回归分析方法;第2 步 建立数据文件，变量名销售量与平均价格、广告费用和日照时间第3 步 按Analyze|Regression|linear的顺序打开Linear Regression 主对话框，并将销售量设为因变量，其余变量设为自变量。我们可选择其中任一种方法进行回归分析（这里选Stepwise,逐步回归法），无

7、论选哪种方法，进入方程的变量必须符合容许偏差，默认的容许偏差是0.0001。同样一个变量若使模型中变量的容许偏差低于默认的容许偏差，则不进入方程;第4 步 单击Statistics 按钮，打开Linear Regression:Statistics 对话框，并选择Model fit 和Estimates;第5 步 打开Linear Regression:Option 框，其中Stepwise Method Criteria（逐步回归方法准测），应用于Stepwise，Backward,Forward 方法，变量根据指定的F 值或F 值的显著性水平被引入或剔除模型。Use probability

8、 of F，当F 值的显著性水平小于Entry值时，该变量将进入回归方程;若大于Removeal 值时，则被剔除。Entry 值必须小于Removal 值，且均为正数。若想更多的变量进入模型，可增大Entry 值，若想在模型中剔除更多的变量，可以降低Removal 值。而Use F value 是使用的F 的值。运行即可3、 实验结果：CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.95% Confidence Interval for BBStd. ErorBetaLower BoundUp

9、per Bound1(Constant)119.59429.3734.072.00451.859187.328价格-12.1634.399-.235-2.765.024-22.306-2.00广告费用2.319.920.2922.522.036.1994.440日照时间13.2312.698.5044.905.0017.01019.452a. Dependent Variable: 销量分析：表示有两种回归方程表达式：销售量=119.594-12.163*价格；销售量=119.594+13.231*广告费用+2.698*日照时间第三题：研究青春发育阶段的年龄与远视率的变化关系，测得数据如表9.

10、28所示，请对x与y的关系进行曲线估计。（数据来源：统计学（第二版） 袁卫，高等教育出版社；数据文件：data9-6.sav）表9.28 青春发育阶段年龄与远视率的变化关系年龄（x）6789101112131415161718远视率y）63.6461.0638.8413.7514.58.074.414.272.091.022.513.122.981、 实验原理：曲线估计2、 实验步骤：第一步 先用散点图的形式进行分析，看究竟是否具有线性相关性；按Graph|Scatter 顺序打开Scatterplot 对话框，并选择Simple，点击Define；第2 步 现在进行曲线估计。Analyze|

11、Regression|Curve Estimation，将里面的模型全选上，看哪种模型拟合效果更好从拟合优度(Rsq 即R2)来看，QUA,CUB,POW 效果较好(因为其Rsq 值较大)，于是就选QUA,CUB,POW来进行。重新进行上面的过程，只选以上三种模型。3、 实验结果：Model Summary and Parameter EstimatesDependent Variable:远视率EquationModel SummaryParameter EstimatesR SquareFdf1df2Sig.Constantb1b2b3Linear.67422.710111.00174.0

12、06-4.768Logarithmic.79342.251111.000156.773-57.574Inverse.88383.244111.000-40.567615.321Quadratic.94382.114210.000192.085-26.567.908Cubic.95969.53839.000290.851-54.7173.398-.069Compound.79442.445111.000308.120.731Power.86168.413111.00049462.724-3.638S.87778.119111.000-1.50237.175Growth.79442.445111.

13、0005.730-.314Exponential.79442.445111.000308.120-.314Logistic.79442.445111.000.0031.369The independent variable is 年龄.分析：可以用Cubic拟合曲线图的拟合效果最好。第四题：棉花单株在不同时期的成铃数（y）与初花后天数（x）存在非线性的关系，假设这一非线性关系可用Gompertz模型表示：y=b1*exp(-b2*exp(-b3*x)。某一棉花品种7月5日至9月3日每隔5天的单株成铃数观测值如表9.29所示。试根据观测值拟合模型中的参数。（数据来源：线性模型分析原理朱军，科学出

14、版社；数据文件为：data9-7.sav）表9.29 棉花成铃数观测数据表天数5101520253035404550556065成铃数0.75244.754.255.57.7510.1314.2613.1413.5214.1514.531、实验原理：非线性回归分析2、实验步骤：第一步 分析：这显然是一个非线性回归的问题第二步 数据组织第三步 进行非线性回归分析第四步 主要结果及分析3、实验结果：Iteration HistorybIteration NumberaResidual Sum of SquaresParameterb1b2b31.01177.7182.000-4.00065.000

15、1.11180.7182.000-4.00065.000Derivatives are calculated numerically.a. Major iteration number is displayed to the left of the decimal, and minor iteration number is to the right of the decimal.b. Run stopped after 2 model evaluations and 1 derivative evaluations because the relative reduction between

16、 successive parameter estimates is at most PCON = 1.00E-008.Parameter EstimatesParameterEstimateStd. Error95% Confidence IntervalLower BoundUpper Boundb12.000.0002.0002.000b2-4.000.000-4.000-4.000b365.000.00065.00065.000Correlations of Parameter Estimatesb1b2b3b11.000.b2.b3.ANOVAaSourceSum of Square

17、sdfMean SquaresRegression3.00031.000Residual1177.71810117.772Uncorrected Total1180.71813Corrected Total287.96812Dependent variable: Ya. R squared = 1 - (Residual Sum of Squares) / (Corrected Sum of Squares) = .分析：可以建立回归方程：y=2*exp(4*exp(-65*x)实训的心得与体会通过本次实验用spass统计分析软件来进行回归分析后，感觉统计学中的很多问题不再像以前那么陌生了，同时也感觉统计学不再是想象中那么困难，之前学习统计学最怕的就是对数据进行求解与分析，现在使用这款软件后，让我从之前对统计学的陌生转变为熟悉，从此，在解决统计方面的问题又多了一项解决的工具：spss。