spass回归分析实验报告.docVIP

实验主题 专业统计软件应用 实验题目 回归分析 实训时间 2011 学年 2 学期 15 周 （2011年 6月1日—2日） 学生姓名 官其虎 学号 2009211467 班级 0360901 实训地点 信息管理实验室 设备号 B25 指导教师 刘进 一 实验目的 回归分析是指通过提供变量之间的数学表达式来定量描述变量间相关关系的数学过程，这一数学表达式通常称为经验公式。我们不仅可以利用概率统计知识，对这个经验公式的有效性进行判定，同时还可以利用这个经验公式，根据自变量的取值预测因变量的取值。如果是多个因素作为自变量的时候，还可以通过因素分析，找出哪些自变量对因变量的影响是显著的，哪些是不显著的。 理解和学会使用回归分析方法解决问题。 二 实验内容 第一题：合金钢的强度y与钢材中碳的含量x有密切的关系，为了冶炼出符合要求强度的钢，常常通过控制钢水中的碳含量来达到目的，因此需要了解y与x之间的关系，数据如表9.27所示，现对x和y进行一元线性回归分析。（数据文件为：data9-5.sav） 表9.27 碳含量与钢强度数据 碳含量 0.03 0.04 0.05 0.07 0.09 0 1 0.12 0.15 0.17 0.2 钢强度 40.5 39.5 41 41.5 43 42 45 47.5 53 56 一元线性回归分析Analyze|Regression|Linear Regression 的顺序打开Linear Regression 对话框，打 开Statistics 对话框，选择Confidence interval 和Estimates 运行 实验结果： Variables Entered/Removedb Model Variables E tered Variables Removed Method 1 xa . Enter a. All requested variables entered. b. Dependent Variable: Y Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 .983a .966 .962 77.3073 a. Predictors: (Constant), x ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression 1517083.637 1 1517083.637 253.845 .000a Residual 53787.772 9 5976.419 Total 1570871.409 10 a. Predictors: (Constant), x b. Dependent Variable: Y Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. 95% Confidence Interval for B B Std. Error Beta Lower Bound Upper Bound 1 (Constant) -94.575 28.417 -3.328 .009 -158.858 -30.292 x 1410.210 88.511 .983 15.933 .000 1209.983 1610.437 a. Dependent Variable: Y 分析：一个是方差分析表，是对回归方程进行显著性检验的情况。从结果看，相伴概率Sig.0.05，说明自变量x与因变量y 之间确有线性关系。 一个是是对回归系数的分析。从两系数的相伴概率来看均0.05，说明均具有显著性意义，说明回归系数是显著的，则回归方程为： y =-94.575+ 1410.210x。 第二题：某公司太阳镜销售情况如表8.17，销售量与平均价格、广告费用和日照时间之间的关系作多元线性回归分析。（数据文件：data8-8.sav）元线性回归分析1 步 分析：显然是采用多重线性回归分析方法; 第2 步 建立数据文件，变量名销售量与平均价格、广告费用和日照时间3 步 按Analyze|Regression|linear…的顺序打开Linear Regression 主对话框，，并将销售量设为因变量，其余变量设为自变量。我们可选择其中任一种方法进行回归分析（这里选Stepwise,逐步 回归法），无论选哪种方法，进入方程的变量必须符合容许偏差，默认的容许偏差是0.0001。同样一个变量若使模型中变量的容许偏差低于默认的容许偏差，则不进入方程; 第4 步 单击Statistics 按钮，打开Linear Reg