应用统计spss分析报告

1、学生姓名：肖浩鑫学号：31407371一、实验项目名称：实验报告（三）二、实验目的和要求（一）变量间关系的度量：包括绘制散点图，相关系数计算及显著性检验；（二）一元线性回归：包括一元线性回归模型及参数的最小二乘估计，回归方程的评 价及显著性检验，利用回归方程进行估计和预测；（三）多元线性回归：包括多元线性回归模型及参数的最小二乘估计，回归方程的评 价及显著性检验等，多重共线性问题与自变量选择，哑变量回归；三、实验内容1.从某一行业中随机抽取 12家企业，所得产量与生产费用的数据如下:企业编号产量（台）生产费用（万元）企业编号产量（台）生产费用（万元）1401307841652421508100

2、1703501559116167455140101251805651501113017567815412140185（1）绘制产量与生产费用的散点图，判断二者之间的关系形态。（2） 计算产量与生产费用之间的线性相关系数，并对相关系数的显著性进行检验（总万），并说明二者之间的关系强度。2.下面是7个地区2000年的人均国内生产总值（GDP ）和人均消费水平的统计数据:地区人均GDP（元）人均消费水平（元）北京224607326辽宁112264490上海3454711546江西48512396河南54442208贵州26621608陕西45492035（1）绘制散点图，并计算相关系数，说明二者之间

3、的关系。（2）人均GDP作自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解 释回归系数的实际意义。（3）计算判定系数和估计标准误差，并解释其意义。（4）检验回归方程线性关系的显著性（5）如果某地区的人均 GDP为5000元，预测其人均消费水平。（6）求人均GDP为5000元时，人均消费水平 95%的置信区间和预测区间。3.随机抽取10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行调查，数据如下：航空公司编号航班正点率（%投诉次数（次）181.821276.658376.685475.768573.874672.293771.272870.8122991.418106

4、8.5125（1）用航班正点率作自变量，顾客投诉次数作因变量，估计回归方程，并解释回归系数的意义。（2） 检验回归系数的显著性（二：）。（3）如果航班正点率为 80%，估计顾客的投诉次数。4.某汽车生产商欲了解广告费用（x）对销售量（y）的影响，收集了过去12年的有关数据。通过计算得到下面的有关结果：方差分析表变差来源dfSSMSFSigni fica nee F回归2.17E-09残差40158.07一一总计111642866.67一一一参数估计表Coefficie nts标准误差t StatP-valueIn tercept363.689162.455295.8231910.000168X

5、 Variable 11.4202110.07109119.977492.17E-09(1) 完成上面的方差分析表。(2) 汽车销售量的变差中有多少是由于广告费用的变动引起的?(3) 销售量与广告费用之间的相关系数是多少？(4) 写出估计的回归方程并解释回归系数的实际意义。(5) 检验线性关系的显著性(a= 0.05) o5.随机抽取7家超市，得到其广告费支出和销售额数据如下超市广告费支岀/万元销售额/万元A119B232C444D640E1052F1453G2054(1) 用广告费支出作自变量'，销售额为因变量F，求出估计的回归方程。(2) 检验广告费支出与销售额之间的线性关系是否显

6、著(a= 0.05) o(3) 绘制关于芒的残差图，你觉得关于误差项 占的假定被满足了吗？(4) 你是选用这个模型，还是另寻找一个该更好的模型？6. 一家电气销售公司的管理人员认为，每月的销售额是广告费用的函数，并想通过广告费用对月 销售额作出估计。下面是近8个月的销售额与广告费用数据月销售收入y (万元)电视广告费用(万元)报纸广告费用冷(万元)965.01.5902.02.0954.01.5922.52.5953.03.3943.52.3942.54.2943.02.5（1）用电视广告费用作自变量，月销售额作因变量，建立估计的回归方程。（2） 用电视广告费用和报纸广告费用作自变量，月销售额

7、作因变量， 建立估计的回归方程，并说 明回归系数的意义。（3） 上述（1）和（2）所建立的估计方程， 电视广告费用的系数是否相同？对回归系数分别解释。（4） 根据（1）和（2）所建立的估计方程，说明它们的R2的意义。7.某农场通过试验取得早稻收获量与春季降雨量和春季温度的数据如下收获量y （kg）降雨量X1（mm温度X2（二）2250256345033845004510675010513720011014750011516825012017建立早稻收获量对春季降雨量和春季温度的二元线性回归方程，并对回归模型的线性关系和回归系数进行检验（a= 0.05），你认为模型中是否存在多重共线性？8. 一

8、家房地产评估公司想对某城市的房地产销售价格（y）与地产的评估价值（x1 ）、房产的评估价值（x2 ）和使用面积（x3 ）建立一个模型，以便对销售价格作出合理预测。为此，收集了20栋住宅的房地产评估数据如下：房地产编号销售价格y （元/就）地产估价（万元）房产估价“2 （万元）使用面积（就）16890596449718730248509002780928035550950314411260462001000395912650511650180072832214064500850273291207380080029868990883002300477518030959008103912120401

9、0475090029351725011405073040121080012400080031681529013970020005851245501445508002345115101540908002089117301680001050562519600175600400208613440183700450226198801950003403595107602022401505789620用SPSS进行逐步回归，确定估计方程，并给出销售价格的预测值及95%的置信区间和预测区间。9.为分析某行业中的薪水有无性别歧视，从该行业中随机抽取15名员工，有关的数据如下月薪y （元）工龄®性别（

10、1=男, 0=女）花15483.2116293.8110112.7012293.4017463.6115284.1110183.8011903.4015513.3|19853.2016103.5114322.9112153.309902.8015853.51进行回归并对结果进行分析。四、实验数据记录与分析（基本要求：1.根据题号顺序记录软件输出结果并分析；2.结果可来自对SPSS或Excel进行操作的输出，二选一即可。）生 产'用190.C0"1SOJOO-170.00-160,00-1SD.OCT140 .OCT130,00-"40.0060.0080.00100

11、.00120.00140.00产昴由图可知，产量与生产费用呈正线性相关相关性产量生产费用产量Pearson相关性1.920 *显著性（双侧）.000N1212生产费用Pearson相关性.920 *1显著性（双侧）.0001212*.在.01水平（双侧）上显著相关。产量与生产费用之间的线性相关系数为0.0920，显著相关i.-orni'o-10000.00-8000.00-人 均费 6000.00- 水 平4DOD.OD-2000.00-0.0CT40000.000 0010000.0020000.0030000.00人 KjGDP相关性人均GDP人均消费水平人均GDPPearson相

12、关性1.998 *显著性（双侧）.000N77人均消费水平Pearson相关性.998 *1显著性（双侧）.000N77相关性人均GDP人均消费水平人均GDPPearson相关性1.998 *显著性（双侧）.000N77人均消费水平Pearson相关性.998 *1显著性（双侧）.000N77*.在.01水平（双侧）上显著相关。人均GDP与人均消费水平呈正线性相关，相关系数为0.998系数模型非标准化系数标准系数tSig.B标准误差试用版1（常量）734.693139.5405.265.003人均GDP.309.008.99836.492.000a.因变量：人均消费水平回归方程：y=734.6

13、93+0.309x含义：人均GD每增加1元，人均消费就增加0.309元（3）模型汇总模型标准估计的误RR方调整R方差1.998 a.996.996247.30347a.预测变量：（常量）,人均GDP人均GD对人均消费的影响达到99.6%（4） F检验Anovab模型平方和df均方FSig.1回归8.144E718.144E71331.692.000 a残差305795.034561159.007总计8.175E76a. 预测变量：（常量）,人均GDPb. 因变量：人均消费水平t检验模型非标准化系数标准系数tSig.B标准误差试用版1(常量)734.693139.5405.265.003人均GD

14、P.309.008.99836.492.000系数b.因变量：人均消费水平3、(5)y=734.693+0.309*5000=2279.693如果某地区的人均 GDP为5000元，预测其人均消费水平为2279.693元(6)人均 GDP 为5000元时，人均消费水平 95%的置信区间为 2050.84067,2505.91078预测区间为1680.94287,2875.80857。5、3、(1)系数模型非标准化系数标准系数tSig.B标准误差试用版1(常量)430.18972.1555.962.000航班正点率-4.701.948-.869-4.959.001a.因变量：投诉次数回归方程：y=

15、430.189-4.701x回归系数的含义：投诉次数每增加一次，航班正点率下降4.701%由于Sig=0.001v 0.05显著(3) 80=430.189-4.701x=74如果航班正点率为 80%，估计顾客的投诉次数为74次 4、(1)变差来源dfSSMSFSigni fica nee F1回归11602708.61602708.6399.10000652.17E-09残差1040158.074015.807一总计111642866.67一(2)RA2=SSR/SST=1602708.6/1642866.67=97.6%汽车销售量的变差中有97.6%是由于广告费用的变动引起的(3)R=根号

16、 RA2=0.9877销售量与广告费用之间的相关系数是0.9877(4)估计的回归方程：y=363.6891 + 1.420211x回归系数为1.420211,表示广告费用每增加一个单位，汽车销售量平均增加1.420211个单位(5)回归系数的检验：p=2.17E-09 Va,回归系数不等于0,显著回归直线的检验：p=2.17E-09 Va,回归直线显著5、(1)系数模型非标准化系数标准系数tSig.B标准误差试用版1（常量）29.3994.8076.116.002广告支岀费用1.547.463.8313.339.021a.因变量：销售额回归方程估计是：y=29.399+1.547x（2）F检

17、验Anovab模型平方和df均方FSig.1回归691.7231691.72311.147a.021残差310.277562.055总计1002.0006a. 预测变量：（常量）,广告支岀费用b. 因变量：销售额Sig=0.02K 0.05 显著t检验系数模型非标准化系数标准系数tSig.B标准误差试用版1（常量）29.3994.8076.116.002广告支岀费用1.547.463.8313.339.021c.因变量：销售额Sig=0.002<0.05 显著做点图因变臺:销售额O-O-1回归删除的(press)残差I10II30405060散点图因变呈；销售额Q-1- 回归标准化戟養o

18、°O-2-60IIIII10卽30W50残差不全相等(4) 应考虑其他模型，可考虑对数曲线模型：y=b0+b1l n(x)=22.471+11.576l n(x)6、( 1)系数模型非标准化系数标准系数tSig.B标准误差试用版1(常量)88.6381.58256.016.000电视广告费用1.604.478.8083.357.015a.因变量：月销售收入估计的回归方程：y=88.64+1.6x、系数模型非标准化系数标准系数tSig.B标准误差试用版1（常量）83.2301.57452.882.000电视广告费用2.290.3041.1537.532.001报纸广告费用1.301.3

19、21.6214.057.010a.因变量：月销售收入估计的回归方程：y=83.23+2.29x1+1.301x2回归系数的意义：报纸广告费用不变的情况下，电视广告费用每增加1万元，月销售额增加2.29万元；电视广告费用不变的情况下，报纸广告费用每增加1万元，月销售额增加1.301万元。（3） 不相同，（1）中表示电视广告费用每增加1万元，月销售额增加1.6万元；（2）中表示电视广告费用每增加1万元，月销售额增加2.29 万元（4） （ 1）中的含义为电视广告费用对月销售额达到的影响程度，（2） 中的含义为电视广告费用和报纸广告费用对月销售额达到的影响程度7、系数非标准化系数标准系数模型B标准误

20、差试用版tSig.1（常量）-.591505.004-.001.999降雨量22.3869.601.4152.332.080温度327.67298.798.5903.317.029a.因变量：收获量Anovab模型平方和df均方FSig.1回归31226615.257215613307.629228.444.00Cf残差273384.743468346.186总计31500000.0006a. 预测变量：（常量）,温度，降雨量b. 因变量：收获量估计的回归方程：y=-0.591+22.386x1+327.672x2回归线性显著降雨量的回归系数不显著，温度的显著 x1与x2的相关系数rx1x2=

21、0.965,存在多重共线 性系数模型非标准化系数标准系数tSig.B标准误差试用版1（常量）895.020535.8331.670.112房产估计1.351.140.9169.673.0002（常量）11.653592.972.020.985房产估计.961.200.6514.794.000使用面积.163.066.3362.470.024a.因变量：销售价格估计的回归方程：y=11.653+0.163x1+0.961x2销售价格的预测值及95%的置信区间和预测区间:關畫hi格膺事苦怖PRE iLMC1 1LICUmoSKUtT187JO73» 11902>£806

22、9014117W3 331&SU G33U92K £02&)蒯27K伽妙忖xie ions4 啲 3W5««8S17勵曲7WS3suo%D31441126040" T20V4409 F2MfiSJ3F.71W<IJOBS 092M昭用北打0£2D010OQ39913550&BSI 13B36£374 81810531345*14O&7 3301977M 94圈11GM19OD72131DG29aO?B5611711MS Od站】眄蚪4G9£31»63 14£47450

23、0埶2?J291204127 %1013U?334M4?1® $?7JJ2BS6MS5S%9 207173 WO剜蓉弗eo4砂 V&StlSTK.O4?K.4K112J&1 124129390ZTO04775100307&irEZ2E?7012 9BS329«82-7mi5723 66754聊1日砂5 WO810391212W5M 247S35107 438376?S1 05r3839i0 073617568 4221547W900293517250-5GS216C714856 7S87?&M7 &44W3BU37568 931M<WQw4Si210S0Q收621鴉491 J54U彳曲显耐7" Bl丹吊越847164WQwo3WS152905555 62744SOM 73S456071 51 M33736 956037374 2BSS5»7O0200a5B51245509617 72659B623 43m1UM7 B2W7727 ?400111667 7131840115104W ?92563$M弭皿4S49 wm23J1 9 蜩5M1 62W?409020191173039% 756113超 3DM245fl9 209*12101 25M257