中南财大-SPSS-实验报告-5

1、统计分析软件实验报告学 号姓 名专业、班实验地点文波机房指导教师杨超时间一、实验目的及要求实验目的：(1)掌握相关分析的主要内容和方法；(2)掌握回归分析的主要方法和步骤。实验要求：(1) 了解双变量的相关分析过程、偏相关分析过程；(2)掌握线性回归过程、曲线配合过程、二项逻辑回归分析过程、概率回 归过程以及非线性回归分析过程等。(3)对各种回归输出结果作出止确的解释说明，进一步了解回归分析的基 本步骤，明确各项检验的目的。二、实验设备(环境)及要求微型计算机，SPSS EViews等统计分析软件三、实验内容与数据来源1.现有某省19962011年全社会固定资产投资总额INV 口 GDPW个指

2、标的年 度数据，见下表。试分析全社会固定资产投资总额和 GDP勺相互关系，并建立全 社会固定资产投资总额和GDP1间的线性回归方程。某省全社会固定资产投资和GDW度数据年份GDP亿元)INV (亿元)年份GDP (亿元)INV (亿元)19962004523199720051998200629931999200720002008实验项目名称：相关与回归分析实验序号：B0901152-5200120092002201039832003201113482.收集某地区城镇居民家庭人均收入 （X）和城镇储蓄（Y）两个变量（2000 年至2011年）数据如卜.表:某地区2000年至2011年城镇居民家庭

3、人均收入和城镇储蓄年份城镇人均收入X玩）城镇储蓄Y （亿元）年份城镇人均收 入X玩）城镇储蓄Y （亿元）200020062001200720022008200320092004201020052011试对城镇居民家庭人均生活费收入与城镇储蓄两变量配合恰当的曲线方程。3. 一家大型商业银行在多个地区设有分行，为弃?青楚不良贷款形成的原因,抽取了该银行所属的25家分行2002年的有关业务数据，如下表：（1）试建立不良贷款y与贷款余额x1、累计应U贷款x2、贷款项目个数 和固定资产投资额x4的线性回归方程，说明回归方程式和各回归系数在水平上 是否显著，并解释各回归系数的含义；（2）检验模型中的多重共

4、性线，并用逐步筛选变量的方法改进上述方程。x3分行编号不良贷款（亿元）各项贷款余额（亿元）本年累计应收 贷款（亿元）贷款项目个数（个）本年固定资产投资额（亿元）152163174105196171781891010141111122313141426153416151721811194202821322210231424162510四、实验步骤与结果问题一：【操作步骤】1 .录入数据。将文件数据复制到 excel文件，调整为三纵列后，复制粘贴到 SPSS软件中的数据视图中。切换到变量视图，对变量名称、数据类型设置后， 如图1所示：图1数据视图2 .选择“分析” 一 “相关” 一 “双变量”命令

5、，在“双变量相关”对话框的 左侧列表框中，同时选中“ GDP'和"INV'并单击中间的向右箭头，使之进入 “变量”列表框。图2双变量相关对话框3 .选择相关系数。在“双变量相关”对话框内“相关系数”选项组中选择Pearson,此处为系统默认值。4 .设定显著性检验的类型。在“显著性检验”选项组中，我们选择“双侧检 验”单选按钮，此处亦为系统默认值。5 .选择是否标记显著性相关。此处选择默认值，即“标记显著性相关”复选 框。6 .选择相关性统计量输出和缺失值的处理方法。单击“双变量相关”对话框 中的“选项”按钮，在“统计量”选项组中首先选中“均值和标准差”，然后选 中“

6、叉积偏差和标准差”，输出各对变量的交叉积以及协方差阵。在“缺失值” 选项组中选中“按对排除个案”。如图 3所示：图3 双变量相关性7 .设置完毕，单击确定完成相关性分析的操作步骤。8 .选择“分析” 一 “回归” 一 “线性”命令，在“线性回归”对话框的左侧 列表中，选中“ GDP'并单击使之进入“因变量”列表框，选中“ INV”使之进 入“自变量”列表框。如图4所示：图4线性回归其他设置采用系统默认值。单击“确定”完成所有设置，等待输出结果。【结果分析】1 .描述性统计量表从表1中可以看出参与相关分析的两个变量的样本数据都是16, GDP的均值是，标准差是；INV的均值是，标准差是.

7、表1描述性统计量表Descriptive StatisticsManStd. DeviationN2DS0.691319 95416IMV545 51407.334162 .相关分析结果表如表2所示，GDP和INV的相关系数是，显著性水平小于，因此小于.所以 GDP和INV的相关关系为正向，且相关性极强。表2相关分析结果表CorrelationsGDPINVGDP Pearson CorrelationSig. (2-tailed)Sum of Squads and pro dudsGoyarianceM12613455日 331742303.B8B16MX,00079434647775235

8、64.31616IINV Pearson CorrelationSig. (2-talled)Sum QfSqu前第 andCossp口 duct 专GoYarianceM.985' DOQ794344 777529564 3181612436017.406155921.1 6016*. Correlation is significant at th o 0.01 level C2-tail«J).3 .模型拟合情况如表3所示，模型的调整R方为，说明模型的解释能力非常强表3模型汇总表Model SummaryModelRR SquareAdjusted R SquareSt

9、d Error ot the Estimate1,995a9Ni960236.29«a Predictors: (Constanf), IIMV4 .回归方程的系数以及系数的检验结果如表4所示，回归方程的系数是各个变量的回归方程中的系数值，sig值表示回归系数的显著性，越小越显著。一般将其与作比较，如果小于，即为显著。从表中可以看出，GDP和INV的相关系数为，p值小于，说明系数显著。表4 系数表CoetticientsModelUn standardised CoefficientsSlandardizedCoefficientstSig8Std Eri or目曲1(Constan

10、t)INV34S,5943.1S210026,1509853,46721 309X04ODOa. Dependent Variable: GDP综上，模型为GDP=+*INM问题二：【操作步骤】1 .录入数据。将word中的数据复制到excel,并将数据调整为三纵列，再复 制粘贴到SPSS勺数据视图中。如图5所示：图5 数据视图2 .选择“分析” 一 “回归” 一 “曲线估计”命令，在“曲线估计”对话框的 左侧列表框中，选中收入并单击右箭头使之进入“因变量”列表框，然后在“自 变量”选项组中选中“变量”，并选中储蓄，单击使之进入该列表框。3 .选择所要使用的曲线类型。在“曲线估计”对话框中的“

11、模型”选项组中, 选中“线性”、“对数”、“立方”复选框。4 .选中“在等式中包含常量”和“根据模型绘图”复选框。其他设置采取系 统默认值，如图6所示：表6 阴性率3.根据拟合效果，我们选用了三次曲线模型。由表可以得出，模型的表达式为：GDP=+*NVA+*NVAA*NVAA3.问题三：【操作步骤】1 .录入数据。打开SPS漱件，将数据复制粘贴到SPS做据视图窗格中，并 到变量视图中完成相关设置。如图 7:图7数据视图2 .选择进行多元线性回归分析的因变量给以及自变量。在“线性回归”对话 框的左侧列表框中，选中y并单击第一个向右箭头使之进入“因变量”列表框, 然后同时选中x1,x2,x3,x4

12、,并单击第二个向右箭头使之进入“自变量”列表框。 如图8:图8 线性回归3 .其他设置采用系统默认值。单击“确定”按钮完成设置，等待结果输出。 再进行多重共线性回归分析。4 .选择进行多重线性回归分析的因变量给以及自变量。在“线性回归”对话 框的左侧列表框中，选中y并单击第一个向右箭头使之进入“因变量”列表框,然后同时选中x1,x2,x3,x4,并单击第二个向右箭头使之进入“自变量”列表框，最后在“自变量”下方的“方法”下拉列表框中选择“逐步”法进行回归。如图:图9 线性回归25 .其他设置采用系统默认值。单击“确定”按钮完成设置，等待结果输出。 【结果分析】1 .模型拟合情况表表7给出了模型

13、的拟合情况。从表中可以看出，R方为，模型的拟合效果较 好。表7 模型汇总Model Summary(VlodelRR SquareAdjusted R SquareStd. Error of the Estimate1.SS3J7967571.77B9a. Predictors: Constant). k4,x2.xJ, k12 .方差分析表表8给出了模型的方差分析结果。可以发现 P值为，模型非常显著表8 方差分析表ANOVAJModelof SquaresdfMein SquareFSig1Regression249,3714234319,704,ooobResidual63,279203.

14、164TotalJI j.<.24a. Depend ent Variable; b. Predictors. (Constant；, x4, j2, k3 x13 .回归方程的系数以及系数的检验结果表9给出了模型的自变量系数，根据 p值，变量x2、x3、x4不显著，线性回归模型表达式为：丫二+曜9 系数及系数检验结果5 所 cientdModelUnstandardizeiJ CoefTicientsstandardised CoeffidentstSig.BStd. ErrorBeta1(Constant)-1.Q22.782-1.306,206X1.040,010,8913837,

15、001x2.148079.2601.879.075x3.015，口 83,034,175,653x4-.029015-.325-1 937.067a DependenlValiable: y4 .多重共线性模型拟合情况表表10给出了随着变量的进入依次形成的 2个模型的拟合情况。可以发现 2 个模型的调整R方在递增，模型拟合效果较好。表10模型汇总Model SummaryModelRR SquareAdjust&d RSquareStd. Error of the Estimate1E44m7126991,97992,372h,761,7391.8423a. Predictors: (

16、Constant), x1b. Predictors: (Constant), x1,x45 .方差分析表表11给出了随着变量的进入依次形成的 2个模型的方差分析结果。可以发 现P值都为，模型非常显著。表11方差分析表ANnvflaModalSum of SquaresrifMean SduareFSig1ReflrssionResidual Total222,43690,164312,65012324222.4363 92056754.aoab2RegressionResidualTotal237 S4174 709312 65022224118,9713J9635 034000ea Dep

17、endent Variable: yb. Prediclors: (Constant), x1c. Predictors: (Constant), x1, x46 .回归方程的系数以及系数的检验结果表12给出了随着变量的进入依次形成的 2个模型的自变量系数。可以发现 第二个模型的各个变量都是非常显著的。表12系数及系数的检验结果Cuefficiems3ModelUnstandardized CoefficientsStandardized CoefficientstSig.Sid ErrorBeta1(ConstsnQ-83。723-1.147.263x1038.DOS8447 534.000

18、2(Constant)-443.697636.531x1050,0071.120S732,000x4-.032.015，.3552 133.044a. DepndentVariabic：y根据结果分析，最终模型的表达式为：y=+E、分析与讨论本次实验主要为相关与回归分析问题研究。相关分析和回归分析是研究多个 变量之间关系的常用方法。相关分析是不考虑变量之间的因果关系而只研究分析 变量之间的相关关系的一种统计分析方法，包括简单相关分析、偏相关分析等； 回归分析则是研究分析某一变量受其他变量影响的分析方法，它以被影响变量为因变量，以影响变量为自变量，研究因变量与自变量之间的因果关系， 包括简单 线性回归、多重线性回归等。本实验主要探讨了相关分析、简单线性回归、多重线性回归以及曲线回归分 析的内容。简单相关分析是最简单最常用的一种呢相关分析方法，可以研究变量间的线性相关程度并用适当的统计指标表示出来。 简单线性回归只涉及一个自变 量，主要用来处理一个因变量与一个自变量之间的线性关系，建立变量之间的线性模型并根据模型做评价和预测。多重线性回归分析是最常用的一种回归分析方 法，分析设计