应用统计spss分析报告

1、学生姓名：肖浩鑫学号:一、实验项目名称：实验报告（三）二、实验目的和要求（一）变量间关系的度量：包括绘制散点图，相关系数计算及显着性检验；（二）一元线性回归：包括一元线性回归模型及参数的最小二乘估计，回归方程的评 价及显着性检验，利用回归方程进行估计和预测；（三）多元线性回归：包括多元线性回归模型及参数的最小二乘估计，回归方程的评 价及显着性检验等，多重共线性问题与自变量选择，哑变量回归；三、实验内容1.从某一行业中随机抽取12家企业，所得产量与生产费用的数据如下:企业编号产量（台）生产费用（万元）企业编号产量（台）生产费用（万元）1401307841652421508100170350155

2、9116167455140101251805651501113017567815412140185（1）绘制产量与生产费用的散点图，判断二者之间的关系形态。（2）计算产量与生产费用之间的线性相关系数，并对相关系数的显着性进行检验（值-0.35?）,并说明二者之间的关系强度。2.下面是7个地区2000年的人均国内生产总值（ GDP和人均消费水平的统计数据：地区人均GDP （元）人均消费水平（元）北京224607326辽宁112264490上海3454711546江西48512396河南54442208贵州26621608陕西45492035（1）绘制散点图，并计算相关系数，说明二者之间的关系(2

3、)人均GDP乍自变量，人均消费水平作因变量，利用最小二乘法求出估计的回归方程，并解释回归系数的实际意义。(3)计算判定系数和估计标准误差，并解释其意义。(4)检验回归方程线性关系的显着性(&-03?)(5)如果某地区的人均 GDR 5000元，预测其人均消费水平。(6)求人均GDP 5000元时，人均消费水平 95%勺置信区间和预测区间。3 .随机抽取10家航空公司，对其最近一年的航班正点率和顾客投诉次数进行调查，数据如下：航空公司编号航班正点率(%)投诉次数(次)121258385468574693772812291810125(1)用航班正点率作自变量，顾客投诉次数作因变量，估计回归方程，

4、并解释回归系数的意义。(2)检验回归系数的显着性( = 0.05?)o(3)如果航班正点率为 80%,估计顾客的投诉次数。4 .某汽车生产商欲了解广告费用(x)对销售量(y)的影响，收集了过去12年的有关 数据。通过计算得到下面的有关结果：方差分析表变差来源dfSSMSFSignificance F回归残差一总计11一一参数估计表？Coefficients标准误差t StatP-valueInterceptX Variable 1(1)完成上面的方差分析表。(2)汽车销售量的变差中有多少是由于广告费用的变动引起的?(3)销售量与广告费用之间的相关系数是多少？(4)写出估计的回归方程并解释回归系

5、数的实际意义。(5)检验线性关系的显着性(a = ) o5.随机抽取7家超市，得到其广告费支出和销售额数据如下超市广告费支出/万元销售额/万元A119B232C444D640E1052F1453G2054(1)用广告费支出作自变量 K?,销售额为因变量尸？，求出估计的回归方程。(2)检验广告费支出与销售额之间的线性关系是否显着(a = ) o(3)绘制关于K?的残差图，你觉得关于误差项?的假定被满足了吗？(4)你是选用这个模型，还是另寻找一个该更好的模型？6 . 一家电气销售公司的管理人员认为，每月的销售额是广告费用的函数，并想通过广告费用对月销售额作出估计。下面是近8个月的销售额与广告费用数

6、据月销售收入y (万元)电视广告费用(万元)报纸广告费用(万元)9690959295949494(1)用电视广告费用作自变量，月销售额作因变量，建立估计的回归方程。(2)用电视广告费用和报纸广告费用作自变量，月销售额作因变量， 建立估计的回归方程，并说明回归系数的意义。(3)上述(1)和(2)所建立的估计方程，电视广告费用的系数是否相同？对回归系数分别解释。(4)根据(1)和(2)所建立的估计方程，说明它们的R2的意义。7 .某农场通过试验取得早稻收获量与春季降雨量和春季温度的数据如下收获量y (kg)降？雨？量X1(mm温？度X2 ?(七？)2250256345033845004510675

7、010513720011014750011516825012017建立早稻收获量对春季降雨量和春季温度的二元线性回归方程，并对回归模型的线性关系和回归系数进行检验（a = ）,你认为模型中是否存在多重共线性？8. 一家房地产评估公司想对某城市的房地产销售价格（ y）与地产的评估价值（x1?）、房产的评估价值（x2?）和使用面积（x3?）建立一个模型，以便对销售价格作出合理预测。为此，收集了 20栋住宅的房地产评估数据如下:房地产编号销售价格y （元/m2）地产估价（万元）房产估价飞（万元）使用面积3 （tf）1689059644971873024850900278092803555095031

8、44112604620010003959126505116501800728322140645008502732912073800800298689908830023004775j180309590081039121204010475090029351725011405073040121080012400080031681529013970020005851245501445508002345115101540908002089117301680001050562519600175600400208613440183700450226198801950003403595107602022401

9、505789620用SPSS进行逐步回归，确定估计方程，并给出销售价格的预测值及95%勺置信区间和预测区间9.为分析某行业中的薪水有无性别歧视，从该行业中随机抽取15名员工，有关的数据如下月薪y （元）工龄F性别（1=男，0=女）萋飞1548116291101101229017461152811018011900155119850161011432112150990015851进行回归并对结果进行分析。四、实验数据记录与分析（基本要求：1.根据题号顺序记录软件输出结果并分析；2.结果可来自对SPSSE Excel进行操作的输出，二选一即可。）4、（1）生 产 费 用190 .OCT180 .O

10、CT170.0016D,0CH15DJ00-Ko.otr13D,OCT40.0060.0080.00100.00120.00140.00产量由图可知，产量与生产费用呈正线性相关（2）相关性产量生产费用产量Pearson相关性1*.920显着性（双侧）.000N1212生产费用 Pearson相关性*.9201显着性（双侧）.000N1212*.在.01水平（双侧）上显着相关产量与生产费用之间的线性相关系数为，显着相关12000.00-10DOD.0D-8000.00-人均消费水平6Doo.au-4000.00-2000.00-o.oo-0.00i oooo.oa20000.0030000.00

11、40000.00人均GDP相关性人均GDP人均消费水平人均GDPPearson相关性1*.998显着性（双侧）.000N77人均消费水平Pearson相关性*.9981显着性（双侧）.000N77*.在.01水平（双侧）上显着相关。人均GDP与人均消费水平呈正线性相关，相关系数为系数B标准误差试用版t1（常量）人均GDP.309.008.998模型非标准化系数标准系数Sig.003.000a.因变量：人均消费水平回归方程：y=+含义：人均GDP!增加1元，人均消费就增加元（3）模型汇总模型RR方调整R方标准估计的误 差1.998 a.996.996a.预测变量：（常量），人均GDP人均GD时人

12、均消费白影响达到（4） F检验Anovab模型平方和df均方FSig.1回归1.000 a残差5总计6a.预测变量：（常量），人均GDPb.因变量：人均消费水平t检验3、模型非标准化系数标准系数tSig.B标准误差试用版1(常量)人均GDP.309.008.998.003.000系数b.因变量：人均消费水平5、（5）y=+*5000=如果某地区的人均 GDP为5000元，预测其人均消费水平为元（6）人均GDP为5000元时，人均消费水平95%勺置信区间为,，预测区间为,3、(1)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)航班正点率.948.000.001a.因变量：投诉

13、次数回归方程：y=回归系数的含义：投诉次数每增加一次，航班 正点率下降%(2)由于Sig= 显着(3) 80= x=74如果航班正点率为 80%,估计顾客的投诉次数为 74次4、 ( 1)变差来源dfSSMSFSignificance F回归1残差10一一总计11一一一(2)RA2=SSR/SST=%汽车销售量的变差中有 是由于广告费用的变动引起的(3)R1艮号RA2=销售量与广告费用之间的相关系数是(4)估计的回归方程：y=+回归系数为，表示广告费用每增加一个单位，汽车销售量平均增加个单位(5)回归系数的检验：p=a,回归系数不等于 0,显着回归直线的检验：p=a,回归直线显着5、 ( 1)

14、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）广告支出费用.463.831.002.021a.因变量：销售额回归方程估计是：y=+（2） F检验模型平方和df均方FSig.1回归1.021 a残差5总计6bAnovaa.预测变量：（常量），广告支出费用 b.因变量：销售额Sig= 显着t检验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）广告支出费用.463.831.002.021c.因变量：销售额Sig=显着(3)散点图因变量;恺偌帧-2020-1III督敬残差不全相等(4)应考虑其他模型，可考虑对数曲线模型：？y=b0+b1ln

15、(x)=+(x)6、 (1)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)电视广告费用.478.808.000.015a.因变量：月销售收入估计的回归方程：y=+(2)、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)电视广告费用.304.000.001报纸广告费用 |.321.621 |.010 |a.因变量：月销售收入估计的回归方程：y=+回归系数的意义：报纸广告费用不变的情况下，电视广告费用每增加1万元，月销售额增加万元；电视广告费用不变的情况下，报纸广告费用每增加1万元，月销售额增加万元。（3）不相同，（1）中表示电视广告费用每增加1万元，月销售额增

16、加万元；（2）中表示电视广告费用每增加1万元，月销售额增加万元（4） （1）中的含义为电视广告费用对月销售额达到的影响程度，（2）中的含义为电视广告费用和报纸广告费用对月销售额达到的影响程度7、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）.999降雨量.415.080温度.590.029a.因变量：收获量Anovab模型平方和df均方FSig.1回归2a.000残差4总计6a.预测变量：（常量），温度，降雨量 b.因变量：收获量估计的回归方程：y=+回归线性显着降雨量的回归系数不显着，温度的显着 x1与x2的相关系数rx1x2=,存在多重共线性8、系数模型非标准化系数标准系数B标准误差试用版tSig.1（常量）.112房产估计.140.916.0002（常量）.020.985房产估计.961.200.651.000使用面积.163.066.336.024系数模型非标准化系数标准系数B标准误差试用版tSig.1（常量）.112房产估计.140.916.0002（常量）.020.985房产估计.961.200.651.000使用面积.163.066.336.024a.