《SPSS》实验报告实验四

广东金融学院实验报告

课程名称：社会科学统计软件SPSS应用

实验编号 及实验名称 姓 名 实验地点 指导教师 周浩铭 新电403 陈力 实验四 回归分析 系 别 081611241 应用数学系 0816112 4 学 号 实验日期 同组其他成员 班 级 2010年 月 日 实验时数 无 成 绩 一、实验目的及要求 1．准确理解简单线性回归分析的方法原理； 2．熟练掌握简单线性回归分析的SPSS操作； 3．熟练掌握运用简单线性回归方程进行预测的方法。 二、实验环境及相关情况（包含使用软件、实验设备、主要仪器及材料等） 1、实验设备：微型计算机；2、软件系统：Windows XP、SPSS15.0 三、实验内容 1.某地区居民对食品的消费量y与居民收入x的样本数据如word文档所示，确定消费量y对收入x的回归方程 2.为了研究高等数学成绩与概率统计成绩的关系，收集到20名学生的高等数学、概率统计成绩如word文档所示，采用SPSS统计分析软件进行线性回归分析。回答如下问题： （1）解释判决系数的实际意义；并说明检验的结论是什么？（2）写出估计回归方程，并说明检验的结论是什么？ 四、实验步骤及结果（包含简要的实验步骤流程、结论陈述） 第 1 页 共2 页

五、实验总结（包括心得体会、问题回答及实验改进意见） 通过本次实验，我基本掌握了简单线性回归分析的SPSS操作，分析实际例子，令理论知识更加的牢固和深刻，明白到不但要从理论上掌握，而且还要加强实际操作，解决生活中的一些问题，使问题分析更加独到，为决策者提供更加正确的决策方向。 六、教师评语 1、完成所有规定的实验内容，实验步骤正确，结果正确； 2、完成绝大部分规定的实验内容，实验步骤正确，结果正确； 3、完成大部分规定的实验内容，实验步骤正确，结果正确； 4、基本完成规定的实验内容，实验步骤基本正确，所完成的结果基本正确； 5、未能很好地完成规定的实验内容或实验步骤不正确或结果不正确。 6、其它： 评定等级：优秀 良好 中等 及格 不及格 教师签名： 2010年 月 日

第 2 页 共2 页

附四

4.1问题

某地区居民对食品的消费量y与居民收入x的样本数据如word文档所示，确定消费量y对收入x的回归方程。 4.1.1 实验步骤

将数据输入SPSS中，按照Analyze→Regression→Linear的顺序选择，把“消费量y”选入Dependent框中，把“收入x”选入Independent框中，然后点击OK，得出结果。 4.1.2 实验结果

表4-1-2 输入／移去的变量 模型 1 输入的变量 移去的变量 居民收入xa b方法 . 输入 a. 已输入所有请求的变量。 b. 因变量: 食品的消费量y 表4-1-3 模型汇总b 标准 估计的误模型 1 R .227a R 方 调整 R 方 -.001 差 152.69833 .051 a. 预测变量: (常量), 居民收入x。 b. 因变量: 食品的消费量y 从表4-1-2和表4-1-3中可以看出,R方(拟合优度)为0.051,调整后的R方更出现-0.001

的负数.说明模型能解释的只有5.1%,不太适合实际.

表4-1-4 Anovab 模型 1 回归 残差 总计 平方和 22709.095 419702.053 442411.148 df 均方 1 22709.095 18 23316.781 19 F .974 Sig. .337a a. 预测变量: (常量), 居民收入x。 b. 因变量: 食品的消费量y 在0.05的置信水平下，F检验的概率是0.337>0.05,不显著。

第 3 页 共2 页

表4-1-5 系数 非标准化系数 模型 1 (常量) 居民收入x B 74.346 .296 标准系数 t .265 .227 .987 Sig. .794 .337 a标准 误差 试用版 280.097 .300 a. 因变量: 食品的消费量y 根据上表,我们看出,在0.05置信水平下，t统计量的概率是0.794,不显著。的常量是74.346,居民收入X的系数是0.296.所以我们可以得到回归方程为: Y=0.296X+74.346

表4-1-6 残差统计量a 预测值 残差 标准 预测值 标准 残差 极小值 294.4110 极大值 均值 标准 偏差 34.57189 N 20 20 20 20 433.8709 348.7070 -182.08087 433.58539 -1.571 -1.192 2.463 2.839 .00000 148.62564 .000 .000 1.000 .973 a. 因变量: 食品的消费量y 从表五中可以看出,残差统计量来看,实际值跟预测值相差还是比较大的.说明模型的不适合性。

4.2 问题

为了研究高等数学成绩与概率统计成绩的关系，收集到20名学生的高等数学、概率统计成绩如word文档所示，采用SPSS统计分析软件进行线性回归分析。回答如下问题：

（1）解释判决系数的实际意义；并说明检验的结论是什么？（2）写出估计回归方程，并说明检验的结论是什么？

4.2.1 实验步骤

将数据输入SPSS中，按照Analyze→Regression→Linear的顺序选择，把“概率统计”选入Dependent框中，把“高等数学”选入Independent框中，然后点击OK，得出结果。

4.2.2实验结果

第 4 页 共2 页

表 4-2-2

Model SummaryAdjusted RSquare.683Std. Error ofthe Estimate5.469Model1R.836aR Square.699a. Predictors: (Constant), 高等数学 表4-2-3

ANOVASum ofSquares1252.095538.4551790.550bModel1df11819RegressionResidualTotalMean Square1252.09529.914F41.856Sig..000aa. Predictors: (Constant), 高等数学b. Dependent Variable: 概率统计 从上表可知：R方(拟合优度)为0.699,调整后的R方是0.683.说明模型能解释的有69.6%,比较适合实际.R方的大小决定了相关的密切程度。当R2越接近1时，表示相关的方程式参考价值越高；相反，越接近0时，表示参考价值越低。本题中的判决系数为0.699，比较接近1，则说明该题的回归方程就有较高的参考价值。

表4-2-4

CoefficientsUnstandardizedCoefficientsModel1B(Constant)高等数学8.184.855Std. Error10.576.132aStandardizedCoefficientsBeta.836t.7746.470Sig..449.000 从上表可知，在0.05置信水平下，常量t统计量的概率是0.449,不显著。常量是8.184高等数学的系数是0.855.所以我们可以得到回归方程为，概率统计（y）对高等数学（x）的回归方程是：

y=0.855x+8.184。

回归系数t检验统计量为6.470，相伴概率为0.000<0.001，因此说明回归系数与0有显著差别，所以回归方程有意义。

a. Dependent Variable: 概率统计第 5 页 共2 页

本文来源：https://www.bwwdw.com/article/mjf2.html