《管理统计学》上机试验报告格式
试验名称:成绩:
姓名李翠专业电子商务学号1940910124 试验日期2010年12月20 试验地点寝室(29-10-3)
试验目的与要求目的是学习并使用SPSS软件进行相关分析和回归分析,具体包括:
(1)皮尔逊pearson简单相关系数的计算与分析
(2)学会在SPSS上实现一元及多元回归模型的计算与检验。
(3)学会回归模型的散点图与样本方程图形。
(4)学会对所计算结果进行统计分析说明。
(5)要求试验前,了解回归分析的如下内容。
?参数α、β的估计
?回归模型的检验方法:回归系数β的显著性检验(t-检验);回归方程显著性检验(F-检验)。
试验原理1.相关分析的统计学原理
相关分析使用某个指标来表明现象之间相互依存关系的密切程度。用来测度简单线性相关关系的系数是Pearson简单相关系数。
2.回归分析的统计学原理
相关关系不等于因果关系,要明确因果关系必须借助于回归分析。回归分析是研究两个变量或多个变量之间因果关系的统计方法。其基本思想是,在相
关分析的基础上,对具有相关关系的两个或多个变量之间数量变化的一般关系
进行测定,确立一个合适的数据模型,以便从一个已知量推断另一个未知量。
回归分析的主要任务就是根据样本数据估计参数,建立回归模型,对参数和模
型进行检验和判断,并进行预测等。
试验内容 第一题:现有1987~2003年湖南省全社会固定资产投资总额NINV 和GDP 两个
指标的年度数据,见下表。试研究全社会固定资产投资总额和GDP 的数量关系,
并建立全社会固定资产投资总额和GDP 之间的线性回归方程。
试验步骤:1. 打开数据文件“1987~2003年湖南省全社会固定资产投资总额
NINV 和GDP 两个指标的年度数据.sav ”,依次选择“【分析】→【相关】→【双
变量】”打开对话框如图,将待分析的4个指标移入右边的变量列表框内。其他
均可选择默认项,单击ok 提交系统运行。2.一元线性回归分析
实例分析:全社会固定资产投资总额和GDP 之间的线性回归模型
在这个例子里,考虑全社会固定资产投资总额和GDP 之间的线性影响,建立
的模型如下:
i i xi y εβα++=
其中,yi 是全社会固定资产投资总额,xi 是GDP
线性回归分析的基本步骤及结果分析:
(1)绘制散点图 打开数据文件,选择【图形】-【旧对话框】-【散点/点
状】,选择简单分布,单击定义,打开子对话框,选择X 变量和Y 变量,如图5.3
所示。单击ok 提交系统运行。
(2)简单相关分析选择【分析】—>【相关】—>【双变量】,打开对话框,
将变量“全社会固定资产投资总额”与“GDP ”移入variables 列表框,点击ok
运行。
(3) 线性回归分析
步骤1:选择菜单“【分析】—>【回归】—>【线性】”,打开Linear Regression
对话框。将变量住房支出y 移入Dependent 列表框中,将年收入x 移入
Independents 列表框中。在Method 框中选择Enter 选项,表示所选自变量全部
进入回归模型。
步骤2:单击Statistics 按钮,如图在Statistics 子对话框。该对话框中设
置要输出的统计量。这里选中估计、模型拟合度复选框。
步骤3:单击绘制按钮,在Plots 子对话框中的标准化残差图选项栏中选中正
态概率图复选框,以便对残差的正态性进行分析。
步骤4:单击保存按钮,在Save 子对话框中残差选项栏中选中未标准化复选
框,这样可以在数据文件中生成一个变量名尾res_1 的残差变量,以便对残差
进行进一步分析。其余保持Spss 默认选项。在主对话框中单击ok 按钮,执行线
性回归命令。
试验结论
Correlations
GDP(亿元)NINV(亿元)GDP(亿元)Pearson Correlation 1 .985**
Sig. (2-tailed) .000
N 16 16 NINV(亿元)Pearson Correlation .985** 1
Sig. (2-tailed) .000
N 16 16 **. Correlation is significant at the 0.01 level (2-tailed).
Variables Entered/Removed b
Model Variables Entered Variables
Removed Method
1 NINV (亿元)a . Enter
a. All requested variables entered.
b. Dependent Variable: GDP (亿元)
Coefficients a
Model Unstandardized Coefficients Standardi
zed
Coefficie
nts
t Sig.
B Std.
Error Beta 1 (Constant ) 349.594 100.826
3.467 .004
NINV (亿元)
3.192 .150 .985 21.309 .000
a. Dependent Variable: GDP (亿元)
Model Summary
Model R R Square Adjusted R Square Std. Error of the
Estimate
1 .985a .970 .968 236.296
a. Predictors: (Constant), NINV (亿元)
b. Dependent Variable: GDP (亿元)
ANOVA b
Model Sum of
Squares df Mean Square F Sig.
1 Regression 2.535E7 1 2.535E7 454.061 .000a
Residual 781700.973 14 55835.784
Total 2.613E7 15
a. Predictors: (Constant), NINV (亿元)
b. Dependent Variable: GDP (亿元)
Residuals Statistics a
Minimum Maximum Mean Std. Deviation N Predicted Value 715.07 4651.95 2090.69 1300.073 16 Residual -511.015 513.323 .000 228.284 16 Std. Predicted Value -1.058 1.970 .000 1.000 16 Std. Residual -2.163 2.172 .000 .966 16 a. Dependent Variable: GDP(亿元)
参考文献https://www.doczj.com/doc/0c11719939.html, ,https://www.doczj.com/doc/0c11719939.html,