《统计分析与SPSS的应用(第五版)》课后练习答案(第9章)

《统计分与SPSS的应用（第五版（薛薇）课后练习案第9章的线性回分析用章第题的据意择两课成作解变和解变利用SPSS提的制点功进一线回分。绘全样以及同别两课成的点，在上制条归线其，一针全体本第和三分针男样和生本并各归线拟效进评价选择fore和两门成绩体系散点图步骤：图形旧对话框散图简散点图定义将f导入Y轴，p导入X，将导设置标记确定。接下来在输出查看器中，双击上图，打开图表编辑

——在图表编辑器中选“素菜单选总计拟合线选线应再选择元素菜单点击子组拟合选择线性应。欢迎下载

2

——分析：如上图所示，通过散点图，被解释变量(即：与解释变量phy有一定的线性关系。但回归直线的拟合效果都不是很好。、请说线回分与关析关系怎的相关分析是回归分析的基础和前提归分析则是相关分析的深入和继续关析需要依靠回归分析来表现变量之间数量相关的具体形式归析则需要依靠相关分析来表现变量之间数量变化的相关程度有当变量之间存在高度相关时行归分析寻求其相关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方向和程度做出正确判断之前，就进行回归分析，很容易造成“虚假回归同时，相关分析只研究变量之间相关的方向和程度能推断变量之间相互关系的具体形式无从一个变量的变化来推测另一个变量的变化情况，因此，在具体应用过程中把相关分析和回归分析结合起来，才能达到研究和分析的目的。线性回归分析是相关性回归分析的一种的是一个变量的增加或减少会不会引起另一个变量的增加或减少。、请说为么要线回方进行计验一需对些面行验检验其可信程度并找出哪些变量的影响显著、哪些不显著。主要包括回归方程的拟合优度检验性检验归系数的显著性检验差析等。欢迎下载

3

——线性回归方程能够较好地反映被解释变量和解释变量之间的统计关系的前提是被解释变量和解释变量之间确实存在显著的线性关系。回归方程的显著性检验正是要检验被解释变量和解释变量之间的线性关系是否显线性模型来描述他们之间的关系是否恰当。一般包括回归系数的检验，残差分析等。、说多元线回分中供哪种释量选策？向前、向后、逐步。、先集若年粮总量及种积使化量农劳人等数，利建多线回方分影粮总量主因数文名“粮总产.sav”。方法：采用“前进“回归策略。步骤分回归线将食总产量导入因变量其余变量导入自变方法项“前进”确定。如图可后、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/公顷)

向前（准则：.F-to-enter的概率<=.050）欢迎下载

4

——23

风灾面积比例(%)

向前（准则：.F-to-enter的概率<=.050）向前（准则：年份.F-to-enter的概率<=.050）4

总播种面积万公顷)

向前（准则：.F-to-enter的概率<=.050）a.因变量：粮食总产量(y万吨)模型摘要调整后的R平模型RR平方

方

标准估算的错误1.9602.9753.9844.994

.922.9192203.30154.950.9471785.90195.969.9661428.73617.989.987885.05221a.预测变量：（常量），施用化肥量(kg/公顷)b.预测变量：（常量），施用化肥量(kg/公顷),风灾面积比例(%)c.预测变量：（常量），施用化肥公顷),风面积比例(%),年份d.预测变量：（常量），施用化肥公顷),风面积比例(%),年份播种面积(万顷)ANOVA

a模型

平方和

自由度

均方F

显著性1回归1887863315.61611887863315.616388.886.000残差160199743.070334854537.669总计2048063058.686342回归1946000793.4222973000396.711305.069.000残差102062265.263323189445.789总计2048063058.686343回归1984783160.3293661594386.776324.106.000残差63279898.356312041287.044总计2048063058.686344回归2024563536.0114506140884.003646.150.000残差23499522.67530783317.423总计2048063058.68634a.因变量：粮食总产量(y万吨)b.预测变量：（常量），施用化肥量(kg/公顷)欢迎下载

5

——c.预测变量：（常量），施用化肥量(kg/公顷),风灾面积比例(%)d.预测变量：（常量），施用化肥量(kg/公顷),风灾面积比例(%),年e.预测变量：（常量），施用化肥量(kg/公顷),风灾面积比例(%),年,总播种面积(万公顷系数

a非标准化系数

标准系数模型1（常量）

B17930.148

标准错误504.308

贝塔t35.554

显著性.000施用化肥量(kg/公顷)2（常量）施用化肥量(kg/公顷)风灾面积比例(%)3（常量）施用化肥量(kg/公顷)风灾面积比例(%)年份4（常量）施用化肥量(kg/公顷)风灾面积比例(%)年份总播种面积万公顷)

179.28720462.336193.701-327.222-460006.046137.667-293.439244.920-512023.307139.944-302.324253.1152.451

9.092720.3178.10676.643110231.47814.39961.80356.19068673.5798.92538.30534.827.344

.9601.037-.185.737-.166.323.749-.171.334.141

19.72028.40723.897-4.269-4.1739.561-4.7484.359-7.45615.680-7.8937.2687.126

.000.000.000.000.000.000.000.000.000.000.000.000.000a.因变量：粮食总产量(y万吨)结论上表所示响程度中大到小依次是用肥量kg/公顷,风灾面积比(%),年份,总种面积万公顷除业劳动者人(百万人和粮食播种面积(万公顷)对粮食总产量的影响）剔除农劳动者人数百万人和粮食播种面积(万公顷)后：步骤分析回线性将粮食总产量导入因变量余4变施用化肥量公顷)风灾面积比年总种面积(万公顷导入自变量方项输确。如下图：欢迎下载

6

——系数

a非标准化系数

标准系数模型1（常量）

B-512023.307

标准错误68673.579

贝塔t-7.456

显著性.000年份总播种面积万公顷)施用化肥量(kg/公顷)风灾面积比例(%)

253.1152.451139.944-302.324

34.827.3448.92538.305

.334.141.749-.171

7.2687.12615.680-7.893

.000.000.000.000a.因变量：粮食总产量(y万吨)粮食总产量回归方程Y=-7.893X1+15.68X2+7.126X3+7.268X4-7.456、一家品售司30个区有售公。研究品售(y)与公的售价（x1、地的人收(、广费(之间关，搜到30个区有数。行元性归析得部分结如：ModelRegressionTotal

SumSquares

Df

FSig.8.88341E-13欢迎下载

7

——Unstandardized

B80.6107

Std.Error31.897414.7676

t-3.6958

0.004570.001030.000010.00049）将一表的缺值补。）写销量销售格年均入广费的元性归程并解各归系的义）检回方的性系是显？）检各归数否著？）计判系，解它的际义）计回方的计准误，解它实意。（1模型

平方和

自由度

均方

F

显著性1

回归

3

4008924.7

72.8

8.88341E-13

b残差总计

13458586.7

2629

（2）X1+80.6X2+0.5X3（3回归方程显著性检验：整体线性关系显著（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、参SAT考的学绩行机查获他阅考和学试成绩及性数。常读力数能具一的性关，在排性差的件，分阅成对学绩线影是显。方法：采用进入回归策略。步骤：分析回线性将导入因变量、其余变量导入自变确。欢迎下载

8

——结果如下：已输入除去变量

a模型

已输入变量

已除去变量

方法1Gender,VerbalSATba.因变量：MathSATb.已输入所有请求的变量。

.输入模型摘要调整后的R平模型RR平方

方

标准估算的错误1.710

.505.49969.495a.预测变量：（常量），Gender,VerbalSATANOVA

a模型

平方和

自由度

均方F

显著性1

回归782588.4682391294.23481.021.000残差767897.9511594829.547总计1550486.420161

a.因变量：MathSATb.预测变量：（常量），Gender,VerbalSAT系数

a欢迎下载

9

——非标准化系数

标准系数模型1（常量）

B184.582

标准错误34.068

贝塔t5.418

显著性.000VerbalSATGender

.68637.219

.05510.940

.696.190

12.4463.402

.000.001a.因变量：MathSAT因概率值于显著性水平（0.05以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。试据粮食总量sav数据利用SPSS曲线计法择当型，样期的食产进外预，对均测差行计采用二次曲线步骤形旧对话框拆图简个值定将食总产量导入线的表确结果如下：再双击上图“元素”菜添标应欢迎下载

10

——接下来：分回曲估粮总产量导入因变量、年份导入变量，点击年在模型中选择二次项、立方、幂点“保存”按选保存预值继续确。曲线拟合附注已创建输出注释输入缺失值处理语法资源

数据活动数据集过滤器宽度(W)拆分文件工作数据文件中的行数对缺失的定义已使用的个案处理器时间用时

03-MAY-201809:28:44F:\SPSS\薛薇《统计分析与spss的应用（第五版）》\PPT--jwd\第章SPSS回归分析\题粮食总产量.sav数据集1<><><>35用户定义的缺失值被视作缺失。任何变量中带有缺失值的个案不用于分析。CURVEFIT/VARIABLES=lsclWITHnf/CONSTANT/MODEL=LINEARQUADRATICCUBICPOWER/PRINTANOVA/PLOTFIT/SAVE=PRED.00:00:00.1900:00:00.25欢迎下载

11

——使用预测

从到从到

第一个观测值最后一个观测值使用周期后的第一观察最后一个观测值变量已创建或已修改FIT_1CURVEFIT和MOD_1LINEAR中具有nf的lscl拟合FIT_2CURVEFIT和MOD_1QUADRATICnf的lscl的拟合

中具有FIT_3CURVEFIT和MOD_1CUBIC的lscl拟合FIT_4CURVEFIT和MOD_1POWER的lscl拟合

中具有nf中具有nf时间序列设置(TSET)

输出量PRINT=DEFAULT保存新变量NEWVAR=CURRENT自相关或偏自相关图中的最大滞后数

MXAUTO=16每个交叉相关图的最大延迟数MXCROSS=7每个过程生成的最大新变量数MXNEWVAR=4每个过程的最大新个案数MXPREDICT=1000用户缺失值处理MISSING=EXCLUDE置信区间百分比值CIN=95在回归方程中输入变量的容差TOLER=.0001最大迭代参数变化CNVERGE=.001计算标准的方法自相关的错误ACFSE=IND季节周期长度

未指定值在绘图中标记观测值的变量未指定包括方程CONSTANT警告由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1方程式123

粮食总产量万吨线性L)二次项Q)立方U)4

幂

a自变量常量值在绘图中标记观测值的变量

年份已包括未指定对在方程式中输入项的容许.0001欢迎下载

12

——a.此模型需要所有非缺失值为正。个案处理要数字个案总计35排除的个案

a

0预测的个案0新创建的个案0a.任何变量中带有缺失值的个案无需分析。变量处理要变量从属粮食总产量(万吨)

自变量年份正值的数目3535零的数目00负值的数目00缺失值的数目

用户缺失00系统缺失00粮食总产量(万吨)线性(模型摘要RR平方

调整后的R平

标准估算的错误.935.874.8702795.862自变量为年份。ANOVA平方和

自由度

均方F

显著性回归R)1790107249.41211790107249.412229.006.000残差257955809.274337816842.705总计2048063058.68634自变量为年份。系数B

非标准化系数标准错误

标准系数贝塔t

显著性年份708.11846.793.93515.133.000欢迎下载

13

——（常量）-1369647.90492136.775-14.865.000二次项模型摘要RR平方

调整后的R平

标准估算的错误.936.875.8722782.149自变量为年份。ANOVA平方和

自由度

均方F

显著性回归R)1792631355.01411792631355.014231.596.000残差255431703.672337740354.657总计2048063058.68634自变量为年份。系数B

非标准化系数标准错误

标准系数贝塔t

显著性年份**2.180.012.93615.218.000（常量）-673013.92645845.338-14.680.000已排除的输入贝塔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。立方(模型摘要RR平方

调整后的R平

标准估算的错误.936.877.8732768.471自变量