数理统计-4.数据处理用spss作回归分析

一、简

多元线性归变量）x1、x2、…、xm，并建立用x1、x2、…、xm预ˆf(1x2,L,xm)b011b2x2L从而用以进行预 以为自变量x，双双改改变坐标 OK键R2R2P(1R2aNPPN为样本数Model为回归方程模型编号(不同方法对应不同模型R为回归方程R即AdjustedRSquare即修正R2，为了尽可能确的拟合度，用该参数修正R2系数偏差，它未必随数的增加而增StdErroroftheEstimate结果说明——方差分析SumofSquares为回归平方和（Regression）（Residual）、总平方和df为自由MeanFSig为大于F的概率，其值为0.000， 结果说明——回归系数分Model为回归方UnstandardizedCoefficients为非标准化系数，B值，Std.Error为系t为t检验，是偏回归系数为0(和常数项为0)的假设检Sig.为偏回归系数为0(和常数项为0)的假设检验的显著B为Beta系数，Std.Error为相应例.《概率论与数理统计》P267例 X速度检验X与Y之间是否存在显著的线性关系（

0.04720.3389操作步骤yze→Regression操作步骤yze→Regression→Statistics→Model FF117.1282F0.01(1,8)R0.9675R0.01(8)检验说明线性关系显著对于多元线性回归主要需研究如下几个问ˆf(1x2,L,xm)b011b2x2L对经验公式的可利用经验公式进诊断经验公式是二、多元线性ˆf(1x2,L,xn)b011b2x2L参数估计方法——H0:b0b1b2Lbm方差分析的主要思想是把yi的总方差进行分

i2yi2

yiˆi

ESS误差平

模型平方MSSk FESS(mk1) 多元线性回归的方差来平方均Fpmp随机误和n-逐步回归——变量选择逐逐步筛选法向前引入法(最常用向后剔除法(BACKWARD)开对不在量考虑能能逐步回开对不在量考虑能能筛选结筛选结否能YXXX3X4309YXXX3X4309.137.4.15.027.0400.148.6.26.038.0454.154.10.33.20.520.157.18.38.99.516.153.13.41.43.459.151.10.39.33.531.151.15.37.46.558.154.16.38.78.607.155.27.44.52.541.155.36.51.22.597.156.46.53.39.558.155.47.51.28.619.157.48.51.46.618.156.60.52.59.742.159.96.52.70.805.164.191.57.52.59.164.186.68.38.855.156.195.74032.粮食产y和大春粮播种面积x1化肥用量x2春粮食的预报模型。初步分析（作图观察按Graphs→Scatter→Simple顺序展 将y选入YAxis，然后将其余变量逐个选入Axis，绘出散点合合回归模型的按Statistics→Regression→Linear顺序展 单击OK按钮结果分 被引入与被剔除的变量回归回归方模型引入回归方程的从回归方程被剔回归方程中引入常用统方差分析回归系数分回归方程为：y205.0591.100x25.626x3 例.《概率论与数理统计》P280例010120231001102213))15.64680.4139x0.313912FF30.6202F0.01(2,6)R检检验说明线性关系三、非线性根根据问题的专业根据观测数据的常常选曲线类结合SPSS的曲线模型选 yze→Regression→Curve鼠鼠标在选项上点击右键可看到相应模型类型例.《概率论与数理统计》P286例 234578求Y关于X的关系)106.30941.7172ln0yabln操作步骤： yze→Regression