上机操作8 曲线回归估计的SPSS分析习题：落叶松林单位面积的蓄积量（V）和胸高断面积（D）的测定数据如下表，V(m3) 46 56 67 65 89 86 103 108 121 118D(m2) 4.7 5.4 6.3 7.2 7.8 8.8 9.9 11.7 11.4 11.8（1）定义变量：打开SPSS数据编辑器，点击“变量视图”，在名称列下输入“V”、“D”，改“类型”栏均为“数字”，“小数”栏分别保留0位和1位。
（2）输入数据：在“数据视图”模式下，在各名称列输入相应的数据，如图所示：二、分析过程分析→回归→曲线估计，将“V”添加到“因变量”中，将“D”添加到“变量”中，勾选模型中的“二次模型”、“复合”、“对数”、“立方模型”、“指数”、“幂”、“”、“Logistic”,→确定。
三、输出结果分析曲线拟合MODEL: MOD_1.Dependent variable.. V Method.. LOGARITH（对数曲线模型）Listwise Deletion of Missing DataMultiple R （负相关系数） .97210R Square（决定系数） .94498Adjusted R Square .93811Standard Error 6.59944Analysis of Variance（方差分析）:DF（自由度） Sum of Squares Mean Square（均方）Regression（回归） 1 5984.4787 5984.4787Residuals（残差） 8 348.4213 43.5527F = 137.40787 Signif F = .0000 （小于0.05，具有极显著性）-------------------- Variables in the Equation （方程中的变量）--------------------Variable B（系数） SE B Beta T Sig T（T的显著性水平）D 78.152283 6.667083 .972102 11.722 .0000（小于0.05）(Constant) -77.682919 14.110257 -5.505 .0006（小于0.05）分析可知：蓄积量（V）与胸高段面积（D）的相关性为0.97210，它们的F 检验Sig.<0.01，说明蓄积量（V）与胸高段面积（D）达到极显著水平，即蓄积量（V）与胸高段面积（D）的方程具有统计学意义。
基于SPSS的烟秆压缩弯曲特性试验研究摘要：为了提供烟草拔秆切碎机的切刀设计参数依据，本文测定了收获期烟草茎秆压缩、弯曲的破坏力，并运用spss软件对试验数据进行了相应的分析，获得了烟秆最大抗压力（y）与烟秆直径（x）的回归方程为y=3297.526－44390.655/x，最大抗弯力（y）与烟秆直径（x）的回归方程为y=5.927－6.34x+8.405x2，通过方程可以估计出烟秆任意部位的最大抗压力值和最大抗弯力值。
关键词：烟秆；压缩；弯曲；力学特性；spss分析中图分类号：文献标识码：ａ１引言我国每年烟秆的产量达到200多万吨，烟秆是一种非常有用的工业原料，可以用来加工成高密度纤维板、活性炭，或者用于造纸和提取化学原料等［1］。
烟秆高约１～２m、直径约10～40mm，外形特征很明显，高、粗，底部茎秆硬度和刚度大。
目前我国主要对甘蔗、芦竹、牧草、玉米、苎麻、油菜秆、苗木、棉秆等农作物茎秆的力学特性进行了一定的研究，在烟秆力学特性方面，还未见到相关论文［2～7］。
烟秆在拔取和切碎过程中，在压紧链轮和刀具刃口附近会产生复杂的应力和应变，直接影响烟草拔秆切碎机的拔秆和切碎的质量、效率及能耗。
开展烟秆的力学特性试验研究，获得其直径大小与最大抗破坏力的关系，为烟草拔秆切碎机提供真实可靠的设计依据。
2试验材料与方法2.1烟秆的选取将烟秆取样田均匀分为a、b、c、d、e 5个区间，分别随机选取无表皮损伤和明显的组织缺陷的2株健壮烟秆，一株用来做压缩试验，另一株用来做弯曲试验，分别标记为烟秆a、烟秆b、烟秆c、烟秆d、烟秆e。
2.2试样的制做将烟秆从底部到顶部依次制做10个试样，如图1所示。
压缩试件如图2所示，规格d×60mm（烟秆外径×长度）；弯曲试件类似，规格d×140mm（烟秆外径×长度）。
经测定，所选烟秆试样的密度为2.6×10-4g／mm3，含水率31.8％～57.4％，试验环境温度30℃、空气湿度42％。
曲线拟合与回归分析1、有10个同类企业的生产性固定资产年平均价值和工业总产值资料如下：（1）说明两变量之间的相关方向；（2）建立直线回归方程；（3）计算估计标准误差；（4）估计生产性固定资产（自变量）为1100万元时的总资产（因变量）的可能值。
解：由表格易知：工业总产值是随着生产性固定资产价值的增长而增长的，而知之间存在正向相关性。
用spss回归有：（2）、可知：若用y表示工业总产值（万元），用x表示生产性固定资产，二者可用如下的表达式近似表示：=x.0+y.567395896（3）、用spss回归知标准误差为80.216（万元）。
（4）、当固定资产为1100时，总产值可能是（0.896*1100+395.567-80.216~0.896*1100+395.567+80.216）即（1301.0~146.4）这个范围内的某个值。
另外，用MATLAP也可以得到相同的结果：程序如下所示：function [b,bint,r,rint,stats] = regression1x = [318 910 200 409 415 502 314 1210 1022 1225];y = [524 1019 638 815 913 928 605 1516 1219 1624];X = [ones(size(x))', x'];[b,bint,r,rint,stats] = regress(y',X,0.05);display(b);display(stats);x1 = [300:10:1250];y1 = b(1) + b(2)*x1;figure;plot(x,y,'ro',x1,y1,'g-');industry = ones(6,1);construction = ones(6,1);industry(1) =1022;construction(1) = 1219;for i = 1:5industry(i+1) =industry(i) * 1.045;construction(i+1) = b(1) + b(2)* construction(i+1);enddisplay(industry);display( construction);end运行结果如下所示：b =395.56700.8958stats =1.0e+004 *0.0001 0.0071 0.0000 1.6035industry =1.0e+003 *1.02201.06801.11601.16631.21881.2736construction =1.0e+003 *1.2190 0.3965 0.3965 0.3965 0.3965 0.3965200400600800100012001400生产性固定资产价值（万元）工业总价值（万元）2、设某公司下属10个门市部有关资料如下：（1）、确定适宜的 回归模型； （2）、计算有关指标，判断这三种经济现象之间的紧密程度。
第七章相关分析任何事物的存在都不是孤立的，而是相互联系、相互制约的。
在医学领域中，身高与体重、体温与脉搏、年龄与血压等都存在一定的联系。
说明客观事物相互间关系的密切程度并用适当的统计指标表示出来，这个过程就是相关分析。
值得注意，事物之间有相关，不一定是因果关系，也可能仅是伴随关系。
但如果事物之间有因果关系，则两者必然相关。
SPSS的相关分析是借助于Statistics菜单的Correlate选项完成的。
第一节Bivariate过程7.1.1 主要功能调用此过程可对变量进行相关关系的分析，计算有关的统计指标，以判断变量之间相互关系的密切程度。
调用该过程命令时允许同时输入两变量或两个以上变量，但系统输出的是变量间两两相关的相关系数。
7.1.2 实例操作[例7-1]某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析。
7.1.2.1 数据准备激活数据管理窗口，定义变量名：发硒为X，血硒为Y，按顺序输入相应数值，建立数据库（图7.1）。
图7.1 原始数据的输入7.1.2.2 统计分析激活Statistics菜单选Correlate中的Bivariate...命令项，弹出Bivariate Correlation对话框（图7.2）。
在对话框左侧的变量列表中选x、y，点击 钮使之进入Variables框；再在Correlation Coefficients框中选择相关系数的类型，共有三种：Pearson为通常所指的相关系数（r），K endell’s tau-b为非参数资料的相关系数，Spearman为非正态分布资料的Pearson 相关系数替代值，本例选用Pearson项；在Test of Significance框中可选相关系数的单侧（One-tailed）或双侧（Two-tailed）检验，本例选双侧检验。
图7.2 相关分析对话框点击Options...钮弹出Bivariate Correlation:Options对话框（图7.3），可选有关统计项目。
