运用SPSS建立多元线性回归模型并进行检验_-_副本[1].docVIP

计量经济学实验报告 一.实验目的： 学习和掌握用SPSS做变量间的相关系数矩阵； 掌握运用SPSS做多元线性回归的估计； 用残差分析检验是否存在异常值和强影响值 看懂SPSS估计的多元线性回归方程结果； 掌握逐步回归操作； 掌握如何估计标准化回归方程 根据输出结果书写方程、进行模型检验、解释系数意义和预测； 二．实验步骤： 1、根据所研究的问题提出因变量和自变量，搜集数据。 2、绘制散点图和样本相关阵，观察自变量和因变量间的大致 关系。 3、如果为线性关系，则建立多元线性回归方程并估计方程。 4、运用残差分析检验是否存在异常值点和强影响值点。 5、通过t检验进行逐步回归。 6、根据spss输出结果写出方程，对方程进行检验（拟合优度检验、F检验和t检验）。 7、输出标准化回归结果，写出标准化回归方程。 8、如果通过检验，解释方程并应用（预测）。 三.实验要求： 研究货运总量y与工业总产值x1,农业总产值x2，居民非商品支出x3,之间的关系。详细数据见表： （1）计算出y,x1,x2,x3的相关系数矩阵。 （2）求y关于x1,x2,x3的三元线性回归方程 （3）做残差分析看是否存在异常值。 （4）对所求方程拟合优度检验。 （5）对回归方程进行显著性检验。 （6）对每一个回归系数做显著性检验。 （7）如果有的回归系数没有通过显著性检验，将其剔除，重新建立回归方程，在做方程的显著性检验和回归系数的显著性检验。 （8）求标准化回归方程。 （9）求当x1=75,x2=42,x3=3.1时y。并给出置性水平为99%的近似预测区间。 （10）结合回归方程对问题进行一些基本分析。 四.绘制散点图或样本相关阵 相关性 货运总量 工业总产值 农业总产值 居民非商品支出 货运总量 Pearson 相关性 1 .556 .731* .724* 显著性（双侧） .095 .016 .018 N 10 10 10 10 工业总产值 Pearson 相关性 .556 1 .155 .444 显著性（双侧） .095 .650 .171 N 10 11 11 11 农业总产值 Pearson 相关性 .731* .155 1 .562 显著性（双侧） .016 .650 .072 N 10 11 11 11 居民非商品支出 Pearson 相关性 .724* .444 .562 1 显著性（双侧） .018 .171 .072 N 10 11 11 11 *. 在 0.05 水平（双侧）上显著相关。 五．建立并估计多元线性回归模型： 六．残差分析找异常值 由上表分析得，残差分析找异常值后其Cook距离不能大于1，Student化已删除的残差的绝对值不能大于3，综上所述删除第六组观测值继续进行如上操作，再未发现异常值。 七. 删除异常值继续回归： 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .975a .950 .920 12.94188 a. 预测变量: (常量), 居民非商品支出, 工业总产值, 农业总产值。 Anovaa 模型 平方和 df 均方 F Sig. 1 回归 15968.094 3 5322.698 31.779 .001b 残差 837.462 5 167.492 总计 16805.556 8 a. 因变量: 货运总量 b. 预测变量: (常量), 居民非商品支出, 工业总产值, 农业总产值。 系数a 模型 非标准化系数 标准系数 t Sig. B 的 95.0% 置信区间 B 标准 误差 试用版 下限 上限 1 (常量) -659.510 126.833 -5.200 .003 -985.546 -333.474 工业总产值 4.070 1.071 .412 3.802 .013 1.318 6.822 农业总产值 16.043 2.824 1.057 5.681 .002 8.784 23.301 居民非商品支出 -14.359 9.109 -.306 -1.576 .176 -37.776 9.057 则回归方程为： 由上述分析知居民的非商品支出的参数估计量所对应P值为0.176大于=0.05，所以货运总量与居民非商品支出无显著性差异，即剔除变量：居民的非商品支出，继续做回归。 此时的回归方程为： 八.统计检验： （1）拟合优度检验： 由估计结果图表可知，可决系数 =0.962，修正的可决系数=0.925。 计算结果表明，估计的样本回归方程较好的拟合了样本观测值。 （2）F检验 提出