spss拟合.doc

方案一：SPSS的Linear拟合对E类数据运用SPSS进行拟合，主要结果如下：Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.162a.026-.0091134.775a. Predictors: (Constant), 日期b. Dependent Variable: E表1ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression968493.4481968493.448.752.393aResidual3.606E7281287713.705Total3.702E729a. Predictors: (Constant), 日期b. Dependent Variable: E表2CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)2599.159424.9426.116.000日期-20.75923.936-.162-.867.393a. Dependent Variable: E表3图1根据以上结果可建立回归模型。根据多元回归模型： 把图3中非标准化回归系数（Unstandardized Coefficients）栏中的“B”列系数代入上式得预报方程：预测值的标准差可用剩余军方估计：通过SPSS软件预测出其后7天的申请量为：7月1日：1955.6413793103457月2日：1934.88275862068997月3日：1914.12413793103477月4日：1893.36551724137967月5日：1872.60689655172437月6日：1851.84827586206927月7日：1831.089655172414回归方程的显著性检验： 从表1模型摘要表（Model Summary）和表2方差分析表（ANOVA）中得知：R方衡量方差拟合优度为0.162，系统自动检验的显著性水平（Sig）为0.393，F统计量为0.752。然而对于回归模型，R方衡量方差拟合优度越大越好，一般地，大于0.8说明方差对样本点的拟合效果很好，0.5-0.8之间也可以接受，但是本题中的R方衡量方差拟合优度为0.162，远小于0.5；除此之外，系统自动检验的显著性水平（Sig）远远超过了0.05（0.01sig0.05时，则表示回归显著），同时F统计量也过于小（F统计量越大表示显著性越统一）。同理，我们可以得出关于F类、G类和H类的相关回归方程，其结果（见附录2）跟E类有类似特点，由此表明此回归极不显著,因此此方案不适用。附件2：（此附录可有可无）Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.030a.001-.0351063.492a. Predictors: (Constant), 日期b. Dependent Variable: F F（1）ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression29419.930129419.930.026.873aResidual3.167E7281131015.408Total3.170E729a. Predictors: (Constant), 日期b. Dependent Variable: FF(2)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)3484.313398.2498.749.000日期-3.61822.433-.030-.161.873a. Dependent Variable: FF(3)F的未来七天申请量的的预测值分别为：3372.154022988506； 3368.536002966259； 3364.917982944012； 3361.2999629217647；3357.681942899518； 3354.063922877271； 3350.445902855024Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.264a.070.0372402.356a. Predictors: (Constant), 日期b. Dependent Variable: GG(1)ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression1.212E711.212E72.100.158aResidual1.616E8285771312.103Total1.737E829a. Predictors: (Constant), 日期b. Dependent Variable: GG(2)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)3416.786899.6173.798.001日期73.44050.674.2641.449.158a. Dependent Variable: GG(3)G的未来七天申请量的的预测值分别为：5693.413793103448； 5766.85339265851； 5840.292992213571； 5913.732591768632；5987.172191323693； 6060.611790878755； 6134.051390433816Model SummarybModelRR SquareAdjusted R SquareStd. Error of the Estimate1.139a.019-.0161635.264a. Predictors: (Constant), 日期b. Dependent Variable: HH(1)ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression1470004.64611470004.646.550.465aResidual7.487E7282674087.029Total7.634E729a. Predictors: (Constant), 日期b. Dependent Variable: HH(2)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)2532.126612.3624.135.000日期25.57534.494.139.741.465a. Dependent Variable: H