spss考试要点资料

Spss考试

11203609徐亚飞经济2

286页练习五

l-（a）

ModelSummaryb

ModeRRAdjustedRStd.Error

1SquareSquareofthe

Estimate

1.993".987.985992.03949

a.Predictors:（Constant）,农业劳动者人数（百

万人），总播种面积（万公顷），风灾面积比例仪），

粮食播种面枳（万公顷），施用化肥量（kg/公顷）

b.DependentVariable:粮食总产量（y万吨）

表1-（a）中各列数据项（从其次列起先）的含义依次为：被说明变量和说明变量的负相关系数、判定系数R的平方、调整

的判定系数R拔得平方，回来方程的估计标准误差。一句该表可进行拟合优度的检验。由于该方程中有多个说明变量，因此,

应参考调整的判定系数。由于调整的判定系数（0.985）较接近1.因此，认为拟合优度高，被说明变量可以被模型说明的部

分较多，不能被说明道额部分少。

l-(b)

ANOVAK

ModelSumofdfMean1•Sig.

SquaresSquare

Regressi2206253676441250735.448.36

15.000,

on.5823161

29524270.6

Residual30984142.355

40

2235777947

Total35

.222

a.DependentVariable:粮食总产量:y万吨）

b.Predictors:（Constant）,农业劳动者人数（百万人），总播种面

枳（万公顷），风灾面枳比例（粉，粮食播种面枳（万公顷），施用化肥

量（kg/公顷）

表9T（b）中格列数据项（从第一列起先）的含义依次为：被说明变量的变差来源、离差平方和、自由度、方差、回来方程

显著性检验中F检验统计量的观测值和概率p-值，可以看到：被说明变量的总离差平方和为回来平方和2235777947.22与方差

分别为2206253676.58和，441250735.316剩余平方和29524270.640与方差分别为和984142.355,F检验统计量的观测值为

448,361,对应的概率p-值近似于0.一句表格可进行回来方程的显著性检验，假如显著性水平。为0.05,由于概率p-值小于

显著水平a,应拒绝回来方程显著性检验的原假设，认为各回来系数不同是为0,被说明变量与说明变量全体的线性关系是

显著的，可建立线性模

l-(c)

Coefficients*

ModelUnstandardizedStandardiztSig.Collinearity

CoefficientsedStatistics

Coefficien

ts

BStd.ErrorBetaToleranVII--

ce

-24425.35

1(Constant)6443.948-3.790.001

7

粮食播种面积（万

289.762020379.707.1526.587

公顷）

总播种面积（万公

2.567.673.1423.813.001.3183.144

顷）

施用化肥量（kg/公

130.89911.640.71611.246.000.1099.202

顷）

风灾面积比例（给-240.27146.725135-5.142.000.6431.555

农业劳动者人数

46.4209.330.3454.975.000.09210.918

（百万人）

a.DependentVariable:粮食总产量〔y万吨）

表9T（c）中各列数据项（从其次列起先）的含义依次为：偏回来系数，，'扁回来系数的标准误差、标准化偏向来系数、回来

系数显著性检验中t检验统计量的观测值、对应的概率P-值、说明变量的容忍度和方差膨张因子。依据表可以进行回来系数

的显著性检验，写出回米方程和检测多重共线性。假如显著性水平位U.Ub,除年份以外，具他变量的回来系数显著性检验的

概率都大于显著性水平a,因此不拒绝原假设，认为这些偏回来系数与。无显著差异，他们与被说明变量的线性关系是不显著

的，不应当保留在方程中。由于该模型中保留了一些不应当保留的变量，因此该模型目前是不行用的，嬴重新建模。同事，

从容忍度和方差膨胀因子看•，投入粮食总播种面积的年数与其他说明变量的多重共线性很严峻，在重新建模时可考虑剔除

该变量。

l-(d)

CollinearityDiagnostics,

ModelDimensionEigenvalConditionVarianceProportions

ueIndex(Constan粮食播种面总播种面积施用化肥量风灾面积比农业劳动者

t)积（万公顷）（万公顷）（kg/公顷）例（%）人数（百万

人）

115.4031.000.00.00.00.00.00.00

2.4713.385.00.00.00.10.00.00

3.1196.727.00.00.00.02.78.00

4.00532.885.00.01.00.84.15.60

5.000106.176.98.07.10.03.02.11

6.000182.145.02.92.90.01.05.29

a.DependentVariable:粮食总产量:y万吨)

表97（d）中各列格列数据项（从其次列起先）的含义依次为：特征值、条件指数、各项特征解各说明变量的方差比（各比

例之和等于1）o依据该表可进行多重共线性检测。从方差比来看，第七个特征值既能说明投入粮食播种面枳方差的92%,也

可说明投入高级职称的人年数方差的9微，同时还可说明运用风灾面枳的防，因此有理由认为这些变量存在多重共线性：从

条件指数来看，第5、6、7个条件指数都大于10,说明变量间的确存在多重共线性。

总之，通过上述分析知道上面的回来方程中存在一些不容忽视的问题，应重新建立回来方程。

2-(a)

ModelSummary"

ModelRRSquareAdjustedRStd.ErrorChangeStatisticsDurbin-Wats

SquareoftheRSquareFChangedfldf2Sig.Fon

EstimateChangeChange

1.993“.987.935992.03949.987448.361530.000

2.993b.987.935978.24472.000.144130.7071.219

a.Predictors:（Constant）,农业劳动者人数（百万人），总播种面积（万公顷），风灾面积比例0）,粮食播种面积（万公顷）,

施用化肥量（kg/公顷）

b.Predictors:（Constant）,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）

c.DependentVariable:粮食总产量3r万吨）

由表9-2（a）知，利用向后筛选策略共经过六步完成回来方程的建立，最终模型为第六个模型。从方程建立的过程看，随着

说明变量的不断削减，方程的拟合优度下降了。这说明判定系数的自身特性，同时也说明建立回来方程并不是以一味追求高

的拟合优度为唯一目标的，还要重点考察说明变量是否对被说明变量有所贡献。依次剔除出方程的变量是风灾面积，粮食播

种面积、总播种面积、施用化肥量、农业劳动量。假如显著水平a为0.02可以看到这些被剔除变量的偏卜'检验的概率1>-值

均大于显著水平，因此均不能拒绝检验的原假设，这些变量的偏回来系数与零无显著差异，它们对被说明变量的线性说明没

有显著贡献，不应保留在方程中。最终保留在方程中的变量是年数。方程的DW检验值为1.219,残值存在肯定程度的正自相

关

2-(b)

AN0VAB

ModelSumofdfMeanESig.

SquaresSquare

Regressi2206253676•141250735.448.36

5.000"

on.5823161

i

29524270.6

Residual30984142.355

40

2235777947

Total35

.222

Regressi2206112102551528025.576.33

4.000(

on.2255562

29665844.9

2Residual31956962.742

98

2235777947

Total35

.222

a.DependentVariable:粮食总产量：y万吨）

b.Predictors:（Constant）,农业劳动者人数（百万人），总播种面

积（万公顷），风灾面积比例（酚，粮食潘种面积（万公顷），施用化肥

量（kg/公顷）

c.Predictors:(Constant),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9-2(b)中的第六个模型是最终的方程。假如显著性水a为0.05,由于回来方程显著性检验的概率P-值小于显著性水平a,

因此该说明变量与说明变量间的线性关系显著，建立线性模型是恰当的

2-(c)

Coefficients*

ModelUnstandardizedStandardiztSig.Collinearity

CoefficientsedStatistics

Coefficien

ts

BStd.ErrorBetaToleranVIF

ce

-24425.35

(Constant)6443.948-3.790.001

粮食播种面积（万

289.762020379.707.1526.587

公顷）

总播种面积（万公

2.567.673.1423.813.001.3183.144

1顷）

施用化肥量（kg/公

130.89911.640.71611.246.000.1099.202

顷）

风灾面积比例（%）-240.27146.725-135-5.142.000.6431.555

农业劳动者人数

46.4209.330.3454.975.000.09210.918

（百万人）

-25376.41

(Constant)5853.521-4.335.000

总播种面积（万公

2.357.380.1306.208.000.9721.029

顷）

2施用化肥量（kg/公

130.61611.454.71411.403.000.1099.164

顷）

风灾面枳比例盘）-236.69445.127-133-5.245.000.6701.492

农业劳动者人数

48.2957.801.3596.191.000.1277.850

（百万人）

a.DependentVariable:粮食总产量:y万吨)

表2（c）展示/每个模型中各说明变量的偏回来系数、偏回来系数显著性检验的状况。假如显著性水平为0.05,则前五个模

型中由于都存在回来系数不显著的说明变量，因此这些方程都不行用。第六个模型是最终的方程，其回来系数显著性检险的

概率值小于显著性水平，囚此投入人年数与被说明变虽间的线性关系显著，它保留在模型中是合理的。最终的回来方程为:

该方程意味着投入年数每增加一个单位，会使立项课题数平均增加0.492个单位

2-(d

ExcludedVariables"

ModelBetaIntSig.PartialCollinearityStatistics

CorrelatioToleranVIFMinimum

nceTolerance

粮食播种面枳（万

2020"379.707069.1526.587.092

公顷）

a.DependentVariable:粮食总产量3r万吨）

b.PredictorsintheModel:（Constant）,农业劳动者人数（百万人），总播种面积（万公顷），风

灾面积比例（盼，施用化肥量（kg/公顷：

表2-（d）展示了变量剔除方差的过程。第2列~第4列各数据项的含义依次是:在剔除其他变量的状况下，假如该变量保留在

模型中，其标准化回来系数、t检验值和概率P值将是什么。例如，在模型二中，剔除风灾面积的状况下，假如保留投入高

级职称的入年数，那么它的标准化回来系数将为-0.439,但回来系数的检验不显著（概率P-值为0.707）。剔除风灾面积的入

年数的状况下，假如保留风灾面积，那么它的标准化回来系数将为-0.103,但回来系数的检验不显著（概率P-值为0.669）。

）

3

Cne-SampleKolmogorov-SmirnovTest

Standard!

zed

Residual

N36

MeanOE-7

Nornal

Std.

Parameters"6.94112395

Deviation

Absolute.100

MostExtreme

Positive.100

Differences

Negative070

Ko1nogorov-SmirnovZ.600

Asynp.Sig.(2-tailcd).865

a.TestdistributionisNormal.

b.Calculatedfromdata.

随着标准化预料值的改变，残差点在0线四周随机分布，但残差的等方差性并不完全满意，方差好像有增大趋势。计算残差

与预料值的等级相关系数为-0.106,且检验并不显著，认为异方差现象并不明显。，

4

Correlations

StandardizStandardiz

eded

PredictedResidual

Value

Correlation

1.000106

StandardizedCoefficient

PredictedValueSig.(2-tailed)•.538

Spearman*sN3636

rhoCorrelation

1061.000

StandardizedCoefficient

ResidualSig.(2-tailed).538•

N3636

另外，通过视察数据编辑窗口中的库克距离和杠杆值变量的值，发觉没有明显的异样点。

179页

1

ANOVA

销售额

SumofdfMeanFSig.

SquaresSquare

Between

405.5344101.38411.276.000

Groups

Within

269.737308.991

Groups

Total675.27134

表一是促销方式对销售额的单因素方差分析结果。可以看到：观测变量销售额的离差平方总额为405.534;假如仅考虑广告

形式单个因素的影响，则销售额总变差中，不同广告形式可说明的变差为，405.534抽样误差引起的变差为269.737,它们

的方差分别为101.384和8.991,相除所得的F统计量的观测值为11.276,对应的概率P-值近似为0.假如显著性水平a为

0.05,由于概率P-值小于显著性水平a,因此应拒绝原假设，认为不同广告形式对销售额产生了显著影响，不同广告形式对

销售额的影响效应不会为0.

2

AN0VA

销售额

SumofdfMeanFSig.

SquaresSquare

Between

405.5344101.38411.276.000

Groups

Within

269.737308.991

Groups

Total675.27134

MultipleComparisons

DependentVariable:销售额

LSD

(I)(J)MeanStd.Sig.95%Confidence

组数组数DifferenceErrorInterval

(I-J)LowerUpper

BoundBound

其次

-3.3000,1.6028.048-6.573027

组

第三

.72861.6028.653-2.5454.002

第一组

组第四

3.05711.6028.066-.2166.330

组

第五