SPSS实验分析报告五

SPSS实验分析报告五一、提出假设：原假设H0=“总播种面积对粮食总产量没有影响。”假设H1=“施用化肥量对粮食总产量没有影响。”假设H2=“风灾面积比例对粮食总产量没有影响。”假设H3=“农业劳动者人数对粮食总产量没有影响。”二、操作结果与分析表（一）关于粮食总产量的线性回归方程分析结果（一）變數已輸入/已移除a模型變數已輸入變數已移除方法1农业劳动者人数(百万人)总播种面积(万公顷),风灾面积比例(%)施用化肥量(kg/公顷)b.Entera.應變數:粮食总产量(y万吨)b.已輸入所有要求的變數。由表（一）可知，本次建模过程中，剔除变量为粮食总产量。表（二）关于粮食总产量的线性回归方程分析结果（二）模型摘要b模型RR平方調整後R平方標準偏斜度錯誤1.993a.986.984967.92794預測值：（常數），农业劳动者人数(百万人),总播种面积(万公顷),风灾面积比例(%),施用化肥量(kg/公顷)應變數:粮食总产量(y万吨)由表（二）可知，该模型是以粮食总产量为解释变量的一元线性回归方程。该模型的判定系数为0.986，回归方程的估计标准误差为967.92794。表（三）关于粮食总产量的线性回归方程分析结果（三）變異數分析a模型平方和df平均值平方F顯著性1迴歸2019956523.7254504989130.931539.009.000b殘差28106534.96030936884.499總計2048063058.68634a.應變數:粮食总产量(y万吨)b.預測值：（常數），农业劳动者人数(百万人),总播种面积(万公顷),风灾面积比例(%),施用化肥量(kg/公顷)表（三）是回归方程显著性检验结果，由表（三）可知，被解释变量（粮食总产量）的总离差平方和SST为2048063058.686。一元模型的回归平方和（SSR）为2019956523.725，剩余平方和（SSE）为28106534.960。回归方程显著性检验的F统计量的观测值为539.009，其对应的P值近似值为0。若显著性水平a为0.05，则因概率P值小于a，拒绝回归方程显著性检验的原假设，即回归系数不同时为0，解释变量全体与被解释变量间存在显著的线性关系，选择线性模型具有合理性。表（四）关于粮食总产量的线性回归方程分析结果（四）係數a模型非標準化係數標準化係數T顯著性共線性統計資料B標準錯誤Beta允差VIF1（常數）-25172.1085793.953-4.345.000总播种面积(万公顷)2.337.376.1346.215.000.9791.022施用化肥量(kg/公顷)132.02811.386.70711.595.000.1238.127风灾面积比例(%)-230.75144.888-.131-5.141.000.7081.413农业劳动者人数(百万人)48.3587.719.3576.265.000.1417.102a.應變數\:粮食总产量(y万吨)表（四）是回归系数显著性检验的结果。表（四）中，第二列为回归系数，第三列为回归系数的标准误，两者相除得到第五列的T统计量，第六列为T统计量观测值对应的双侧概率P值。由表可知，总播种面积的回归系数显著性检验的T统计量的观测值为6.215，概率P值近似为0。当显著性水平a为0.05时，应拒绝回归系数检验的原假设，认为总播种面积与粮食总产量由显著的线性关系；同时，施用化肥量的回归系数显著性检验的T统计量的观测值为11.595，概率P值近似为0。当显著性水平a为0.05时，应拒绝回归系数检验的原假设，认为施用化肥量与粮食总产量由显著的线性关系；同理，可以认为风灾面积比例和农业劳动者人数与粮食总产量都有显著的线性关系。表（五）关于粮食总产量的线性回归方程分析结果（五）共線性診斷a模型維度特徵值條件指數變異數比例（常數）总播种面积(万公顷)施用化肥量(kg/公顷)风灾面积比例(%)农业劳动者人数(百万人)114.4451.000.00.00.00.01.002.4283.223.00.00.12.00.003.1236.024.00.00.01.80.004.00432.284.02.03.86.19.975.000101.730.98.97.01.00.03a.應變數:粮食总产量(y万吨)表（五）是多重共线性检验的特征值以及条件指数。其中最大特征值为4.445，其余依次快速减小。第三列的各个条件指数均不大，可以认为多重共线性较弱。图（一）关于粮食总产量的线性回归残差正态性分析直方图图（二）关于粮食总产量的线性回归残差正态性分析图表（六）关于粮食总产量的线性回归方程分析结果（六）殘差統計資料a最小值最大值平均數標準偏差N預測值13878.092840793.257824635.74297707.8197935殘差-1978.248411615.57385.00000909.2099835標準預測值-1.3962.096.0001.00035標準殘差-2.0441.669.000.93935a.應變數:粮食总产量(y万吨)图（一）是残差的正态性图形结果。可以看到，参数围绕基准线具有一定的规律性。但残差正态性的非参数检验结果（见表（六））表明不能推翻原假设，即不能认为它与正态分布有显著差异。图（三）关于粮食总产量的线性回归异方差性分析图图（二）是回归方程标准化预测值与标准化残差散点图。图形表明，不存在明显的异方差现象。最终的回归方程为：粮食总产量=25172.11+2.37×总播种面积+132.03×施用化肥量-230.75×风灾面积比例+48.36×农业劳动者人数方程表明，当施用化肥量、风灾面积比例、农业劳动者人数保持不变时，总播种面积每增加一万公顷，粮食总产量增加2.37万吨；当总播种面积、风灾面积比例、农业劳动者人数保持不变时，施用化肥量每公顷增