spss软件分析异常值检验实验报告

1、实验五 : 残差分析【实验目的】（1） 通过残差检验，掌握残差分析的方法（2） 异常值检验【仪器设备】计算机、 spss软件、何晓群实用回归分析表和表的数据【实验内容、步骤和结果 】对何晓群实用回归分析表的数据进行残差分析原始数据如表 1，其中 y表示货运总量（亿吨） x1表示工业总产值（亿元） x2表示农业总产值（亿元） x3表示居民非商业支出（亿元）表1.yx1x2x31607035126075402106540226574423240723822068452757842416066362275704425065423对表1数据用 spss软件进行分析得以下各表表2. 模型汇总模型rr 方

2、调整 r 方标准 估计的误差1.898a.806.708a. 预测变量 : ( 常量 ), x3, x1, x2。b. 因变量 : y由上表可知复相关系数 r=，决定系数 r方=，由决定系数看出回归方程的显著性不高，接下来看方差分析表 3表3anova模型平方和df均方fsig.1回归3.015a残差6总计9a. 预测变量 : ( 常量 ), x3, x1, x2。b. 因变量 : y由表3知f值为较小，说明 x1、x2、x3整体上对 y的影响不太显著。表4系数模型非标准化系数标准系数tsig.b标准 误差试用版1( 常量 ).096x1.385.100 x2.535.049x3.277.28

3、4表4系数模型非标准化系数标准系数tsig.b标准 误差试用版1( 常量 ).096x1.385.100 x2.535.049x3.277.284回归方程为123348.2803.7547.10112.447yxxx表5残差统计量极小值极大值均值标准 偏差n预测值10标准 预测值.00010预测值的标准误差10调整的预测值10残差.00010标准 残差.000.81610student 化 残差10已删除的残差10student 化 已删除的残差10mahal。 距离.89410cook 的距离.000.486.97610居中杠杆值.099.642.300.17310-图 1. 学生化残差-图

4、 2. 回归学生化删除的残差-图3. 回归删除的残差 :对数据用 spss 进行分析得表 6 异常值的诊断分析yx1x2x3zre_1sre_1sdr_1coo_1lev_116070351260754021065402265744230240723822068452757842416066362275704425065423从表 6 中可以看出 , 绝对值最大的学生化残差sre=,小于 3, 因而根据学生化残差诊断认为数据不存在异常值 . 绝对值最大的删除学生化残差为sdr=, 因而根据学生化删除残差诊断认为第 6 个数据为异常值 . 其中中心化杠杆值 ,cook 距离为位于第一大 . 因此

5、第 6 个数据为异常值 .对何晓群实用回归分析表的数据进行残差分析原始数据为 : 表个啤酒品牌的广告费用和销售量啤酒品牌广告费 x/万元销售量 y/万箱a120bcdef1ghij对上表数据进行回归分析得表8. 系数a模型非标准化系数标准系数tsig.b标准误差试用版1( 常量 ).097广告费 / 万元.196.036.886.001回归方程为4.0680.196yx回归方程通过了 f 检验、 t 检验，只是表明变量 x和y之间的线性关系是显著的，但不能保证数据拟合得很好。残差分析可知存在有影响的观测值并且为异值。对表7进行异常值诊断分析得表9:表9. 异常值的诊断分析啤酒品牌广告费 / 万

6、元销售量 / 万箱zre_1sre_1sdr_1coo_1lev_1a120bcdef1ghij从表 9 中可以看出 , 绝对值最大的学生化残差sre=, 小于 3, 因而根据学生化残差诊断认为数据不存在异常值 . 绝对值最大的删除学生化残差为sdr=, 因而根据学生化删除残差诊断认为第 1 个数据为异常值 . 其中中心化杠杆值 ,cook 距离为位于第一大 . 因此第 1 个数据为异常值 . 从回归标准化残差图4 看， y 的观测值的方差不相同， 而是随着 x 的增加而增加的。异常值的原因并不是数据的随机误差，而是由于本数据存在异方差，应采用加权最小二乘法进行回归，回归结果会较精确。图 4. 回归标准化残差图【实验小结】（包括收获、心得体会、存在的问题及解决问题的方法、建议等）通过这次实验，我进一步了解并掌握了运用spss 软件对数据进行分析和处理，