spss实验报告8.docVIP

实验八 线性回归方程 一、数据来源及说明 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： 企业编号 生产性固定资产价值(万元) 工业总产值（万元） 1 2 3 4 5 6 7 8 9 10 318 910 200 409 415 502 314 1210 1022 1225 524 1019 638 815 913 928 605 1516 1219 1624 （1）说明两变量之间的相关方向； （2）写出一般线性回归方程，分析生产性固定资产价值对工业总产值的影响，并解释各回归系数的意义。 （3）检验回归方程的线性关系是否显著? （4）检验各回归系数是否显著? （5）计算判定系数，并解释它的实际意义。 （6）估计生产性固定资产（自变量）为1100万元时总产值（因变量）的可能值。 2. 某医师测得10名3岁儿童的身高（cm）、体重（kg）和体表面积（cm2）资料如下。试用多元回归方法确定以身高、体重为自变量，体表面积为应变量的回归方程。 儿童编号 体表面积（Y） 身高（X1） 体重（X2） 1 2 3 4 5 6 7 8 9 10 5.382 5.299 5.358 5.292 5.602 6.014 5.830 6.102 6.075 6.411 88.0 87.6 88.5 89.0 87.7 89.5 88.8 90.4 90.6 91.2 11.0 11.8 12.0 12.3 13.1 13.7 14.4 14.9 15.2 16.0 (1)用向前进入法，求得一般多元线性回归方程，并解释各回归系数的意义。 (2)检验回归方程的线性关系是否显著? (3)检验各回归系数是否显著? (4)计算判定系数，并解释它的实际意义。 3、某种商品的需求量Y、价格X1 和消费者收入X2 的统计资料如所示，试估计Y对X1 和X2 的线性回归方程。： 某商品的统计资料 年份 需求量Y（吨） 价格X1（元） 收入X2（元） 1 59190 23.56 76200 2 65450 24.44 91200 3 62360 32.07 106700 4 64700 32.46 111600 5 67400 31.15 119000 6 64440 34.14 129200 7 68000 35.3 143400 8 72400 38.7 159600 9 75710 39.63 180000 10 70680 46.68 193000 (1)用逐步回归法，求的一般多元线性回归方程，并解释各回归系数的意义。 (2)检验回归方程的线性关系是否显著? (3)检验各回归系数是否显著? (4)计算判定系数，并解释它的实际意义。 二、实验结果分析 1． 回归方程：y=395.567+0.896x 表明：生产性固定资产价值每增加1万元，工业总产值就相应的增加0.896万元 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .948a .898 .886 126.628 a. 预测变量: (常量), 生产性固定资产价值。 b. 因变量: 工业总产值 由判定系数R方等于0.898，可知该回归模型的对样本数据的代表性达到了89.8%，拟合优度较高。 R=0.948，可知工业总产值和生产性固定资产价值是正相关 Anovab 模型 平方和 df 均方 F Sig. 1 回归 1132339.800 1 1132339.800 70.618 .000a 残差 128277.100 8 16034.637 总计 1260616.900 9 a. 预测变量: (常量), 生产性固定资产价值。 b. 因变量: 工业总产值 回归方程的检验。F的观测值是70.618，对应的概率p为0，因此拒绝原假设，认为各回归系数不同时为0，回归方程是显著的。 系数a 模型 非标准化系数 标准系数 t Sig. 相关性 B 标准 误差 试用版 零阶 偏 部分 1 (常量) 395.567 80.261 4.929 .001 生产性固定资产价值 .896 .107 .948 8.403 .000 .948 .948 .948 a. 因变量: 工业总产值 回归系数的检验。T统计量为804.3，对应的概率p为0，因此拒绝原假设，认为回归系数是显著的。 当x=1100时，y的预测值是1380.98660 2． 用向前进入法求得的回归方程：Y=2.661+0.229X2，表明体重每变化1kg，体表面积变化0.229c㎡ 输入／移去的变量a 模型 输入的变量 移去的变量 方法 1 体重kg . 向前（准则: F-to-enter 的概率 = .05