管理统计学与SPSS160应用课件习题及答案08

1、习题8（1） 随着公司的持续发展，常常有滑入无效率困境的危险，假定若干年后公司的销售开始滑坡，但公司还是不停地招聘新人，这种情况在某个10年中的数据会与下表给出的数据相似。根据这些数据，以销售额为自变量，员工数为因变量画出散点图，并建立一个回归模型，通过员工的数量来预测销售额。根据你的分析结果回答：如果这个趋势继续下去，你对公司的管理层有何建议？你认为管理层应该关注什么？年序号销售额（百万美元）员工数120.2120224.3135328.6142433.4150535.2155635.9168736.3172836.2170936.51751036.4174解：得到的散点图如下图所示，由散点

2、图看出两变量之间有明显的线性关系。通过SPSS操作，得到如下所示结果，操作步骤略（与书中案例同）。Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.954a.910.8996.04434a. Predictors: (Constant), 销售额由上表中判定系数为0.954，可知自变量与因变量的关系非常密切。ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression2958.62712958.62780.983.000aResidual292.2738

3、36.534Total3250.9009a. Predictors: (Constant), 销售额b. Dependent Variable: 员工数由上表中，统计量F=80.983，回归模型的Sig.值为0，说明该模型有显著的统计意义，自变量x与因变量y之间确有线性回归关系CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)56.68911.2115.057.001销售额3.078.342.9548.999.000a. Dependent V

4、ariable: 员工数由上表，常数项和销售额所对应的系数其t检验的Sig.值都为0，说明回归系数与0有显著差别，具有显著的统计学意义。从表格中可以看出估计值及其检验结果，常数项，回归系数，回归系数检验统计量t=8.999。所以得出例8-8的拟合结果为建议请读者独立思考，这里不多做解答。（2） 某农场通过试验取得早稻收获了与春季降雨量和春季温度的数据如下：收获量（公斤/公顷）y降雨量（毫米）x1温度（）x22250256345033845004510675010513720011014750011516825012017 试确定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； 解释回归系数

5、的实际意义； 根据你的判断，模型中是否存在多重共线性？解： 操作步骤（略）。Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1温度, 降雨量a.Entera. All requested variables entered.b. Dependent Variable: 收获量Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.996a.991.987261.43103a. Predictors: (Consta

6、nt), 温度, 降雨量ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression3.123E721.561E7228.444.000aResidual273384.743468346.186Total3.150E76a. Predictors: (Constant), 温度, 降雨量b. Dependent Variable: 收获量CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)-.591

7、505.004-.001.999降雨量22.3869.601.4152.332.080温度327.67298.798.5903.317.029a. Dependent Variable: 收获量由上表可得：y=0.591+22.386x1+327.672x2，但由上表中的Sig.值可知，两个自变量与因变量的线性关系并不是十分显著，可知，可能会有其他的因素影响收获量的取值，如施肥量等。 降雨量的回归系数的意义：当降雨量增加1毫米时，收获量将增加22.386公斤。温度的回归系数的意义：当温度增加1时，收获量将增加327.672公斤。Collinearity DiagnosticsaModelDim

8、ensionEigenvalueCondition IndexVariance Proportions(Constant)降雨量温度112.8881.000.00.00.002.1085.182.21.05.003.00426.791.78.951.00a. Dependent Variable: 收获量 由上表的共线性分析结果得知，两个因变量之间不存在共线性问题。（2） 下面是随机抽取的15家大型商场销售的同类产品的有关数据：企业编号销售价格（元）y购进价格（元）x1销售费用（元）x2112389662232126689425731200440387411936643105110679133

9、961303852283713138043028114490524191286771304101084511326111120505339121156851235131083659276141263490390151246696316 计算y与x1，y与x2直接的相关系数，是否有证据表明销售价格与购进价格、销售价格与销售费用之间存在线性关系？ 根据上述结果，你认为用购进价格和销售费用来预测销售价格是否有效？解： 操作步骤（略）Correlationsx1x2yPearson Correlation.309-.025Sig. (2-tailed).263.929N1515由上表可知，y与x1的相

10、关系数为0.309，y与x2的相关系数为0.025。由以上两个散点图可知，销售价格与购进价格、销售价格与销售费用之间不存在明显的线性关系。Variables Entered/RemovedbModelVariables EnteredVariables RemovedMethod1销售费用, 购进价格a.Entera. All requested variables entered.b. Dependent Variable: 销售价格Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.558a.312

11、.19771.91589a. Predictors: (Constant), 销售费用, 购进价格ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression28098.190214049.0952.716.106aResidual62062.744125171.895Total90160.93314a. Predictors: (Constant), 销售费用, 购进价格b. Dependent Variable: 销售价格CoefficientsaModelUnstandardized CoefficientsStandardized Coe

12、fficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)400.590367.2701.091.297购进价格.512.2201.0832.328.038.2653.768销售费用1.427.735.9031.941.076.2653.768a. Dependent Variable: 销售价格由上表可知，购进价格与销售费用对销售价格的线性关系不是十分显著，可能还存在其他的因素影响销售价格。且由下表可知，购进价格与销售费用之间还存在明显的共线性问题，因此，用购进价格和销售费用来预测销售价格不是很有效。

13、Collinearity DiagnosticsaModelDimensionEigenvalueCondition IndexVariance Proportions(Constant)购进价格销售费用112.9301.000.00.00.002.0696.527.00.11.043.00241.9041.00.89.96a. Dependent Variable: 销售价格（4） 制度变迁是经济增长的源头，根据研究衡量制度变迁有两个变量：非国有化率和国家财政收入GDP的比重。自1998年以来中国的经济增长率一直未突破9%的状态，因此以9%为分界点，将经济增长定义为1（经济增长大于等于9%）

14、或0（经济增长小于9%），根据19952000年的数据，如下表所示，请试建立中国经济增长率的Logistic模型。年X1X2Y198535.177.61198637.779.20198740.381.61198843.284.21198943.984.21199045.484.20199147.185.40199251.986.91199356.987.41199459.288.81199566.089.31199663.789.11199768.488.40199871.887.60199962.686.70200068.6850解： 操作步骤：步骤一：将数据输入数据框中，其中，非国有化率定

15、义为变量X1，国家财政收入占GDP的比重定义为变量X2，经济增长率定义为Y，年份定义为year。步骤二：AnalyzeRegressionBinary Logistic，打开Logistic Regression主对话框。步骤三：将变量Y作为因变量选入Dependent列表框中，将变量X1、X2作为解释变量选入Covariates列表框中。步骤四：单击Options按钮，打开Logistic Regression：Options对话框，选中所有复选框，然后单击Continue按钮确认选择并返回主对话框。步骤五：单击OK按钮，执行二维Logistic回归过程。 结果分析：下表为数据汇总表格，给出

16、了所有个案数、有效个案数和缺失个案数。Case Processing SummaryUnweighted CasesaNPercentSelected CasesIncluded in Analysis16100.0Missing Cases0.0Total16100.0Unselected Cases0.0Total16100.0a. If weight is in effect, see classification table for the total number of cases.下表为因变量的编码表。因变量的原始编码为0、1。Dependent Variable Encoding

17、Original ValueInternal Value0011下表为迭代记录表，显示整个迭代过程，第5步的对数似然函数与第4步的差值小于0.001，迭代终止，输出每步迭代记录。Iteration Historya,b,cIteration-2 Log likelihoodCoefficientsConstantStep 0121.930.250221.930.251321.930.251a. Constant is included in the model.b. Initial -2 Log Likelihood: 21.930c. Estimation terminated at ite

18、ration number 3 because parameter estimates changed by less than .001.Iteration Historya,b,c,dIteration-2 Log likelihoodCoefficientsConstantX1X2Step 1117.287-31.922-.156.475217.085-40.069-.198.597317.082-41.234-.205.615417.082-41.258-.205.615517.082-41.258-.205.615a. Method: Enterb. Constant is included in the model.c. Initial -2 Log Likelihood: 21.930d. Estimation terminated at iteration number 5 because parameter estimates changed by less than .001.下表为包含在方程中的变量和未包含在方程中的变量。Variables in the EquationBS.E.WalddfSig.Exp(B)Step 0Constant.251.504.2491.6181.286Variables not in the EquationScoredf