spss思考与练习解析

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非标准化系数 标准系数模型B标准 误差试用版tSig.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：β1=β2=0 ，构造统计量SSR/pF=SSE/(n - p -1)， p 是自变量个数此时是 2， n 是样本个数 14 F 服从分布： F~F （2,11 ）Anova b模型平方和df均方FSig.1回归46788.618223394.30942.155.000 a残差6104.59611554.963总计52893.21413a. 预测变量 : ( 常量 ), x2, x1 b. 因变量 : y从上图最后两列看出，在显著性水平α =0.05 的条件下， p 值 =sig< α，从而拒绝原假设，即在显著性水平α =0.05 的条件下，认为 y 与 x1 ， x2 有显著的线性关系。

精品资料______________________________________________________________________________________________________________对回归系数的显著性检验：H0：βi=0 （ i=1,2 ），构造统计量 tiβi~ t ( n p 1) ，采用 P 值法做检验，提出原假设cii其中SSEnp 1系数 a非标准化系数 标准系数模型B标准 误差试用版tSig.1(常量 )209.87567.3503.116.010x1.292.089.3563.286.007x2-87.64712.443-.763-7.044.000a. 因变量 : y从上图最后两列看出，在显著性水平α =0.05 的条件下， ti（ i=1,2 ）值（即看 p 值 =sig< α），从而拒绝原假设，即在显著性水平α =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β i 的1- α的置信区间为（）系数 a1非标准化系数标准系数B 的 95.0%置信区间模型B标准 误差试用版tSig.下限上限1(常量 )209.87567.3503.116.01061.639358.111x1.292.089.3563.286.007.096.488x2-87.64712.443-.763-7.044.000-115.034-60.261精品资料______________________________________________________________________________________________________________系数 a1非标准化系数标准系数B 的 95.0%置信区间模型B标准 误差试用版tSig.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 : yβ1 的置信水平为 0.95 的置信区间是（ 0.096,0.488 ）；β2 的置信水平为 0.95 的置信区间是（-115.034 ， -60.261 ）；2 SSR（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。

模型汇总标准 估计的误模型 R R方 调整 R方 差1 .941 a .885 .864 23.55766a. 预测变量 : ( 常量 ), x2, x1 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 ）精品资料______________________________________________________________________________________________________________3、（ 1 ）操作：分析 -回归 -线性，因变量 y,自变量 x，确定得方程 y=0. 004 x-0.831 模型汇总标准 估计的误模型 R R方 调整 R方 差1 .839 a .705 .699 1.57720a. 预测变量 : ( 常量 ), x Anova b模型平方和df均方FSig.1回归302.6331302.633121.658.000 a残差126.866512.488总计429.49952精品资料______________________________________________________________________________________________________________Anova b模型平方和df均方FSig.1回归302.6331302.633121.658.000 a残差126.866512.488总计429.49952a. 预测变量 : ( 常量 ), x 。

b. 因变量 : y系数 a非标准化系数 标准系数模型B标准 误差试用版tSig.1(常量 )-.831.442-1.882.065x.004.000.83911.030.000a. 因变量 : yy ~ e残差图（2 ）诊断该问题是否存在异方差性，两种方法 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：精品资料______________________________________________________________________________________________________________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：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 -未标准化求|ei| ：转换 -计算变量 - 如图 -确定：精品资料______________________________________________________________________________________________________________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1.000.318 *Sig. （双侧）..021N5353x相关系数.318 *1.000Sig. （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，存在异方差精品资料______________________________________________________________________________________________________________（ 3 ）如果存在异方差性，用幂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幂 -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 -91.588 a2.000 -91.756精品资料______________________________________________________________________________________________________________对数似然值 b幂 -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 -91.588 a2.000 -91.756a. 选择对应幂以用于进一步分析，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对数似然函数值-91.588系数未标准化系数 标准化系数B标准误试用版标准误tSig.（常数）-.683.298-2.296.026x.004.000.812.0829.930.000精品资料______________________________________________________________________________________________________________说明 m=1.5 时，对数似然函数达到极大，所以幂指数函数的最佳幂指数取 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（2 ）用残差图及 DW 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（ et~et-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 精品资料______________________________________________________________________________________________________________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：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标准 估计的误模型 R R 方 调整 R 方 差 Durbin-Watson1 .999 a .998 .998 .09813 .683a. 预测变量 : ( 常量 ), x 。

b. 因变量 : y0.683 在（ 0,2）范围内，是正自相关精品资料______________________________________________________________________________________________________________（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ρ =0.683 转换 -计算变量，令 y *i =y i+1 —ρyi ， x *i =x i+1 —ρxi 分析 -回归 -线性—自变量 x* ，因变量 y* —统计量 -DW- 得到回归方程： y*=0.172x*-0.274 ，即系数 a非标准化系数 标准系数模型B标准 误差试用版tSig.1(常量 )-.274.179-1.528.145x 星.172.004.99647.051.000a. 因变量 : y 星模型汇总 b标准 估计的误模型 R R 方 调整 R 方 差 Durbin-Watson1 .996 a .992 .992 .07432 1.430a. 预测变量 : ( 常量 ), x 星。

b. 因变量 : y 星精品资料______________________________________________________________________________________________________________Anova b模型平方和df均方FSig.1回归12.226112.2262213.750.000 a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*(x i+1 —0.683xi)一阶差分法（ 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=y i+1 -yi， x=x i+1 -xi ：分 析 - 回 归 - 线 性 — 自 变 量 x ， 因 变 量 y — 得 到 回 归 方 程 ： y=0.161x+0.032 ， 即yi+1 =yi+0.161(x i+1 -xi)+0.032 ，以下三表说明该方程通过了各种检验。

系数 a精品资料______________________________________________________________________________________________________________非标准化系数标准系数模型B标准 误差试用版tSig.1(常量 ).032.0271.199.247x.161.009.97718.915.000a. 因变量 : y模型汇总标准 估计的误模型 R R方 调整 R方 差1 .977 a .955 .952 .07687a. 预测变量 : ( 常量 ), x Anova b模型平方和df均方FSig.1回归2.11412.114357.762.000 a残差.10017.006总计2.21418a. 预测变量 : ( 常量 ), x b. 因变量 : y（4 ）比较上述几种不同方法所得的回归方程的优良性精品资料______________________________________________________________________________________________________________普通最小二乘法建立的方程：y=0.176x-1.427 ，R 方 =0.998 ，残差平方和 SSE=0.173 。

迭代法建立的方程：y*=0.172x*-0.274 ，即 yi+1=0.683*yi-0.274+0.172*(x i+1 — 0.683xi) ， R 方 =0.992 ，残差平方和SSE=0.094一阶差分法建立的方程：y=0.161 x+0.032 ，即 yi+1 =yi+0.161(x i+1 -xi)+0.032 R 方 =0.955 ，残差平方和 SSE=0.100精品资料______________________________________________________________________________________________________________Welcome ToDownload !!!欢迎您的下载，资料仅供参考！精品资料。