统计学实验二

1、实验二：EXCEL的数据特征描述、列联分析、多元回归分析一、实验目的及要求：（一）目的熟悉EXCEL用于数据描述统计、列联分析、多元回归的基本菜单操作及命令。（二）内容及要求根据学生实验数据12,对学生的身高进行描述统计，说明学生身高的一些基本特征。对不同专业中男女生的分布情况编制列联表，并分析学生性别与专业选择是否有关。根据学生的体育成绩任1）与学生的年龄（幻）、体重（、身高33）和性别34）建立一个 多元回归模型，并判断此模型对于解释学生体育成绩的好坏有无意义。二、仪器用具硬件：计算机（安装Windows98、Windows2000或Windows XP或以上）软件：EXCEL三、实验原理

2、统计中数据整理与显示的相关理论。四、实验方法与步骤（一）描述统计在“工具”中的“数据分析”选择“描述统计”，其中“输入区域”为“身高”歹U,注意要 是选中“身高”，要记得勾选“标志位于第一行”。（二）期望频数第一，在“数据”的“数据透视表和数据透视图”选择“数据透视表”，然后显示勾选“现 有工作表”中的“布局”，其中“布局”为依次将“专业”拖至“列”区域，将“性别”拖 至“行”区域，将“专业”拖至“数据”区域，至此完成，其结果显示如下：计数项:专业专业F男女忘统计6060120证券184260总普78102180第二，将做好的数据透视表“选择性粘贴”，要勾选“数据”和“转置”；第三，根据公式计

3、算出期望值，并绘制期望值和观察值表格，结果显示如下:观察值期望值6052606818264234选择函数“CHITEST”，“Actual_range”选中观察值数据，“Expected range”选中期望值 数据。（三）多元回归模型第一，新建“sheet4”，将“性别”“年龄”“体重” “身高”“体育成绩”四列复制，粘贴到 “sheet4”；第二，在“ sheet4 ”中将“性别”列复制，然后粘贴到现有工作表，其中要将“性别”改为 “代码”，在“编辑”中的“查找和替换”中用“0”替代“男”，用“1”替代“女”；第三，在空白列首行输入“Y”，选择“筛选”中的“自动筛选”其中“性别”为“男”在

4、“Y”列的空白格为“男生的体育成绩/1000”，同理可得女生的“Y”值为“女生的体育成绩 /800”；第四，在“工具”中的“数据分析”中选择“回归”然后在“Y值输入区域”选中“Y”列 数据；“X值输入区域”选中“代码”“年龄”“体重” “身高”四列数据，选择“选择输出区 域，至此完成。五、实验结果与数据处理（一）描述统计身高平均164.7722222标准误差0.595129756中位数163.5众数155标准差7.984503536、.儿方差63.75229671峰度-0.696982464偏度0.248125331区域36最小值150最大值186求和29659观测数180最大（1）186最小

5、（1）150置信度1.174372756（95.0%）从上述表中可以看出，学生中身高最高和最低的分别为186cm和150cm,其中平均身高 为164.772。出现最多次数的身高是155cm。还有学生身高的方差和标准差都比较大，说明 学生中身高差距大，分布比较不平衡。（二）经过excel统计得出如下列联表：不同专业中男女生的分布情况列联表性别专业男女总计统计6060120证券184260总计78102180根据计算结果得出，相关性为：0.089，即P=0.089040011a=0.05，因此学生性别与专业选择是相关的。（三）多元回归模型SUMMARY OUTPUT回归统计Multiple R0.

6、796934R Square0.635103Adjusted R Square0.626763标准误差0.02502观测值180方差分析dfSSMSFSignificance F回归分析4 0.1906710.04766876.146872.7701E-37残差1750.109550.000626总计179 0.300221Coefficients标准误差t StatP-valueLower 95%Upper 95Intercept0.404130.0826324.8907122.26E-060.241046220.5672XVariable10.0569310.0062019.1802391

7、.2E-160.04469160.069XVariable2-0.001670.002046-0.814810.416287-0.00570520.0023XVariable30.0003070.0003390.9047720.36683-0.00036260.0009XVariable4-0.000920.000427-2.151140.032836-0.0017631-7.6E-Adjusted R Square=0.626763，即解释力度为 62.6763%；F检验:将Significance F值（即P值）与给定的a =0.05进行比较，因为 Significance F=2.7701E-37a =0.05，所以学生的年龄、体重、身高和性别与学生的体育成绩之间的线性 关系显著；t检验：直接用p值进行比较，可以看出，其中有两个系数的p值大于0.05，即未通过检验， 因此说明力度不大；所以此模型对于解释学生体育成绩的好坏有一定的