spss思考与练习解析

1、1、(1)操作：分析-回归-线性，因变量y,自变量x1,x2-确定。得方程y=209.875+0.292x1-87.647x2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)209.87567.3503.116.010x1.292.089.3563.286.007x2-87.64712.443-.763-7.044.000a.因变量：y(2)对回归方程的显著性检验:采用P值法做检验，提出原假设H0：61=62=0,构造统计量F=一也一，p是自变量个SSE/(n-p-1)数此时是2,n是样本个数14。F服从分布：FF(2,11)。Anovab模型平方和df均方FSig.1回归4

2、6788.618223394.30942.155.000a残差6104.59611554.963总计52893.21413a. 预测变量：(常量),x2,x1ob. 因变量：y从上图最后两列看出，在显著性水平a=0.05的条件下，p值=sig<a,从而拒绝原假设，即在显著性水平a=0.05的条件下，认为y与x1,x2有显著的线性关系。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）209.87567.3503.116.010x1.292.089.3563.286.007x2-87.64712.443-.763-7.044.000a.因变量：y对回归系数的显著性检验:采用

3、P值法做检验，提出原假设H0：3i=0(i=1,2),构造统计量At3iti：t(np1)CiiSSE,n-p-1从上图最后两列看出，在显著性水平a=0.05的条件下，ti（i=1,2）值（即看p值=sig<a）,从而拒绝原假设，即在显著性水平a=0.05的条件下，认为xi（i=1,2）对因变量y的线性效果显著。（3）操作：分析-回归-线性，因变量y,自变量x1,x2-统计量-回归系数-置信区间、估计。得到6i的1-a的置信区间为（）系数a1模型非标准化系数标准系数tSig.B的95.0%置信区间B标准误差试用版下限上限1（常量）209.87567.3503.116.01061.6393

4、58.111x1.292.089.3563.286.007.096.488x2-87.64712.443-.763-7.044.000-115.034-60.261系数a1模型非标准化系数标准系数tSig.B的95.0%置信区间B标准误差试用版下限上限1(常量)209.87567.3503.116.01061.639358.111x1.292.089.3563.286.007.096.488x2-87.64712.443-.763-7.044.000-115.034-60.261a.因变量：y31的置信水平为0.95的置信区间是(0.096,0.488);。2的置信水平为0.95的置信区间是(

5、-115.034,-60.261);2SSR(4)回归方程的复相关系数R=SST=0.885，比较接近1,说明回归方程拟合效果较好。模型汇总模型RR方调整R方标准估计的误差1.941a.885.86423.55766a.预测变量：(常量),x2,x1o(5)操作：先把待预测的数据输入表格，分析-回归-线性，因变量y,自变量x1,x2,保存-预测值、残差项选择“未标准化”-预测区间(“均值”。得到E(y)的点估计值是165.9985,置信水平为0.95的置信区间是(150.61813,181.37887)IX1x2yPRE_1RES_1LMCI_1UMCIJ720.001.80290.00262

6、.40m37.59997233006272917&3S0553.0026713500137.37116237116120609091&413324575.001.75234.00224.432259.56775203.04700245.8166954S002.0718200166.499214499211706473320635059572.00249145.00158.69701-13.69701144.1608517323318453003.59的0027528524147138-10836226589546540.001.88205.00202.815642.184361

7、8096369224.66759579.002221510018440628-3340628170.1065319862604515.002.41131.00149.06081-18.06081130.20525167.916375760030310600112.5357+-653574890581813601330547.001.83200.0020S.242S09.24250187.178&4231.30616560019022400209.2405614759341903313822814993720.001.98271.00246.6235224.37M8217.7671527

8、5.479B870000290130.001601465?-30.146571255409119475223600.002.50-1G5.99fl5D150.G1B13181.378B73、(1)操作：分析-回归-线性，因变量y,自变量x,确定。得方程y=0.004X-0.831。模型汇总模型RR方调整R方标准估计的误差1.839a.705.6991.57720a.预测变量：(常量),X。Anovab模型平方和df均方FSig.1回归302.6331302.633121.658.000a残差126.866512.488总计429.49952Anovab模型平方和df均方FSig.1回归302.

9、6331302.633121.658.000a残差126.866512.488总计429.49952a. 预测变量：（常量）,x。b. 因变量：y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）-.831.442-1.882.065x.004.000.83911.030.000a.因变量：y.V概差图（2）诊断该I可题是否存在异万差性，两种万法二十亿上等级相关系数法残差图法：分析-回归-线性，因变量y,自变量x。保存-残差、预测值-未标准化。得到残差值:XyPRE_1RES_167500.79165935-.8793529200.44.21409.19591101700.56

10、2,89573493.00.79.984-34-19434582002701.31211138789115&003.6434260621394g7nnd71PfUW1福侦图形-旧对话框-散点-简单分布-定义-y轴是e(RES_1),x轴是y(PRE_1)-确定:4.000DO-2.00000-.00000->2.00000-o_-ranpllulQIQ£p41N-pnPunvMefl-4.00000-6.0Q0D0-iiIii.000002.000004.000006.000000.000001D.OOOOO12.00000UnstandardizedPredicted

11、Value从残差图看出误差项具有明显的异方差性，因为误差随x轴增加呈现明显的增加态势。第二种方法：等级相关系数法操作：分析-回归-线性，因变量y,自变量X。保存-残差-未标准化。XyRES_1I679.00.79-.B793529200.44.195911012.0056-2.33573493.00.79-.19434582002701.387891156.003.64.21394997.004731.689512189009.60226956求|ei|:转换-计算变量-如图-确定:目标变量CD：数字表次式匡):甘弛对值|-ABS(RES_1)类型薛签Q*李y1/UnstandardizedR

12、e.然后，分析-相关-双变量-操作如图:得到结果:相关系数e绝对值xSpearman的rhoe绝对值相关系数1.000_*.318Sig.（双侧）.021N5353x相关系数_*.3181.000Sig.（双侧）.021.N5353*.在置信度（双测）为0.05时，相关性是显著的。用SPSS软件进行等级相关系数的检验，计算出等级相关系数为0.318,p值=0.021<0.05,认为|ei|与自变量xi显著相关，存在异方差。(3) 如果存在异方差性，用藉指数型的权函数建立加权最小二乘回归方程。分析-回归-权重估计-设置权重变量:得到结果:对数似然值b籍-2.000-121.068-1.50

13、0-114.545-1.000-108.466-.500-102.983.000-98.353.500-94.8371.000-92.5811.500-91.588a2.000-91.756对数似然值b籍-2.000-121.068-1.500-114.545-1.000-108.466-.500-102.983.000-98.353.500-94.8371.000-92.5811.500-91.588a2.000-91.756a. 选择对应籍以用于进一步分析，因为它可以使对数似然函数最大化。b. 因变量：y，源变量：x模型摘要复相关系数.812R方.659调整R方.652估计的标准误.008

14、对数似然函数值-91.588系数未标准化系数标准化系数tSig.B标准误试用版标准误（常数）-.683.298-2.296.026x.004.000.812.0829.930.000说明m=1.5时，对数似然函数达到极大，所以藉指数函数的最佳藉指数取1.5,得到回归方程为y=-0.683+0.004xPS:这种方法得到的方程的复相关系数0.812普通二乘法方程的复相关系数R方（0.705）,说明用加权法得到的回归方程更好。另：此题属于一元加权最小二乘估计建立回归方程的方法，若为多元的（比如多一个x2），其操作的区别在于分析-相关-双变量时，变量一栏里是x1,x2,e绝对值，得出等级相关系数，再

15、进行权重估计操作时，用等级相关系数最大的那个自变量（比如是x2）作为“权重变量”。4、（1）用普通最小二乘法建立y关于x的回归方程。操作：分析-回归-线性，因变量y,自变量x,确定。得方程y=0.176x-1.427模型汇总棋型RR方调整仅方标淮估计的谟茬1999fl.Q9G.9G9.09812土预测变量（甯量）.八Anov3b损型平方和df均方|FSig1回I归残茬总计110565.173110.75e11813110.585.01011494.014oooJ模型tSig.B标淮误蓬试用版1（常量）-1.427176.244.0U2.9S9$.860107.167.000（2）用残差图及DW

16、检验诊断序列相关性。（误差项独立性的检验，目的是消除自相关）残差图（etet-1）:首先计算残差e:分析-回归-线性-保存-残差（未标准化），计算出残差RES_1（et-1）。从第二行复制该列粘贴到下一列，作为et。图形-旧对话框-散点-简单分布-定义-y轴是RES_1,x轴是res_2-确定:20000-.10000-.ooooa-.1QOOD-I,10000I.20000-.20000-.2DODO-.10M0.0QC0Dres_2这些点落在一（三）象限，说明存在正自相关性。DW检验：分析-回归-线性-统计量-DW:模型汇总b模型RR方调整R方标准估计的误差Durbin-Watson1.9

17、99a.998.998.09813.683a. 预测变量：（常量）,x。b. 因变量：y0.683在（0,2）范围内，是正自相关。（3）分别用迭代法和一阶差分法建立回归方程;迭代法:借助上一小题，求得一元线性回归方程并求得残差间的一阶自相关系数P=0.683。转换-计算变数字表这式回.|xil*0603*7目标变量CD：一人*一*瘪重，令yi=yi+i_pyi,x,=xi+ipxi。XVRESJres_2y星K星1273020.96-.03269-.0681170843.05130.0021.40-.06811.018467.3543.91132.7021.9G.01846.157566523

18、87712940215215756041297694662135.0022.39.04129.041447474489137.1022.76.04144.0745779347.36分析-回归-线性一自变量x*,因变量V*统计量-DW-得到回归方程：y*=0.172x*-0.274,即系数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）-.274.179-1.528.145x星.172.004.99647.051.000a.因变量：y星模型汇总b模型RR方调整R方标准估计的误差Durbin-Watson1.996a.992.992.074321.430a. 预测变量：（常量）,x星

19、。b. 因变量：y星Anovab模型平方和df均方FSig.1回归12.226112.2262213.750.000a残差.09417.006总计12.32018a. 预测变量：(常量),x星。b. 因变量：y星此时DW=1.430，表明y*之间不相关，从而迭代结束。可用下列方程做预测:y*=0.172x*-0.274，即yi+1=0.683*yi-0.274+0.172*(xi+i0.683xi)阶差分法(p47):先分别从第二行复制x,y作为xi+1,yi+1。转换-计算变量，求y=yi+1-yi,Ax=xi+1-xi:KHyyiixi1VAx127.302096214013000.4427013000214021.9613270.56270132.70121.9621.5212940-.443301294021.5222.3913500.875.60135.0022.3922.76137.10.372.10137.101227623481410072390141.00123.4B23.66142.BO.18180142.80123.6624.1014560