SPSS软件在居民生活用电量预测应用.doc

数学系 spss期末论文SPSS软件在居民生活用电量预测应用摘要：在对本题中数据进行预测时，变量间的关系并不是线性关系，而是非线性关系.因此，无法直接通过线性回归来分析，无法直接建立线性模型.但可通过绘制散点图的方式粗略考察这种非线性关系.即运用spss软件进行曲线估计来解决本问题.首先绘制散点图，通过对图的分析建立模型，进行曲线估计.通过模型预测出的2003年和2004年的预测值分别为636.5和797.2.关键词：非线性关系 spss 曲线估计1 问题重述收集到1981-2002年居民在用电量的数据，现希望对居民未来用电量的数据进行分析和预测.具体数据在可供下载的压缩包中，文件名为“年人均消费支出和教育.Sav”.2 问题分析和解决本问题是关于预测的问题，这样我们可以用线性回归分析和曲线估计.其中线性问题用线性回归，非线性问题用曲线估计.由此我们对数据进行分析，得出变量间的关系.所以首先运用spss绘制用电量的散点图，图如下所示.有图可知，自20世纪80年代以来居民的用电量呈非线性增加，90年代中期以来增长速度明显加快，大致呈指数形式，可利用曲线估计进行分析.运用spss得到所示的窗口. 】选择用电量到dependent框中，选择年份到variable框中.另外在上图所示的窗口中按save按钮，出现下图.在save variables框中选择 predict cases，在predict cases选择predict through.应在observation框中输入24.运行后得到如下所示的图.Variable Processing Summary VariablesDependentIndependent用电量年份Number of Positive Values2225Number of Zeros00Number of Negative Values00Number of Missing ValuesUser-Missing30System-Missing00Model Summary and Parameter EstimatesDependent Variable: 用电量 EquationModel SummaryParameter EstimatesR SquareFdf1df2Sig.Constantb1Exponential.938303.108120.0001.03E-131.154The independent variable is 年份.3 问题结果根据图中可知，模型的拟合优度为0.938，比较理想，图也大体证实这点.同时，回归方程的显著性检验和回归系数显著性检验均通过检验，说明模型可用.通过模型预测出的2003年和2004年的预测值分别为636.5和797.2.4 问题推广通过解决本问题，我们可以大体的知道解决预测问题的方法.首先得出变量间的线性关系，是线性关系的用线性回归来预测，是非线性关系的用曲线估计来解决.其中变量之间的非线性可以划分为本质线性关系和本质非线性关系.曲线估计主要解决本质线性关系的.至于本质非线性关系我们可以用灰色预测等方法.这也是预测的大体方向，由此可能在做一些小的问题预测时能得心应手.但是在一些大的问题上误差还是会比较大的.本问题中运用了spss软件，利用曲线估计基本上解决的问题，但在一些小的细节上处理的不过好，比如我们可以排除一些误差比较大的数据，还可以在画出散点图.通过两个图的综合考虑数据的走向.最终得到关于问题比较好的预测.参考文献1 吴炯圻，林培荣.数学思想方法M. 北京：高等教育出版社，2005.2薛薇.基于spss的数据分析.北京:中国人民出版社,