实用统计学第十一章.docVIP

第十一章 计算机在统计分析中的应用 计算机在回归分析和相关分析中的应用 本节介绍使用著名统计软件SPSS进行回归分析和相关分析的方法。 一、回归分析 （一）一元线性回归分析 [例11-1]某地国民收入（亿元）与农民人均纯收入（元）历年对应数据如表11-1，试建立一元线性回归方程。 表11-1 年份 国民收入 x 农民人均纯收入 y 1991 16917.8 601.5 1992 18598.4 686.3 1993 21662.5 708.6 1994 26651.9 784.0 1995 34560.5 921.6 1996 46670.0 1221.0 1997 57494.9 1577.7 1998 66850.5 1926.1 1999 73142.7 2090.1 2000 76967.2 2162.0 2001 80579.4 2210.3 2002 88254.0 2253.4 2003 95727.9 2366.4 2004 103935.3 2475.6 2005 116603.2 2622.2 方法如下： （1）进入SPSS系统，建立数据集 (见图11-1)。 图11-1 数据集 (2)单击AnalyzeRegressionLinear，Linear Regression窗口（见图11-2）。 图11-2 Linear Regression窗口 （3）按照图11-2进行设置：农民人均收入是因变量，国民收入是自变量。 （4）单击OK按钮，得到以下回归结果。 表11-2 回归结果 Coefficients(a) Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 265.046 73.998 3.582 .003 国民收入 .022 .001 .985 20.902 .000 a Dependent Variable: 农民人均收入 为了决定选择的曲线类型，常用的方法是根据数据资料描绘出散点图，应用必要的专业知识和经验分析变量之间的函数关系。 在确定了变量间的函数关系后，需要估计函数关系中的未知参数，并对拟合效果进行显著性检验。统计学中，称待建立的曲线方程为曲线回归方程。 SPSS的Curve Estimation(曲线估计过程)就是用来解决这类问题的。它提供了11种不同的曲线估计回归模型，可以同时选用几种模型进行曲线拟合，然后根据回归统计的结果，以及观察数据散点图，通过对比以确定一个最佳的曲线模型。 [例11-2] 表11-3列出了某厂10种产品产量（x）与该产品劳动力成本占总成本的比例（y）的资料，研究这两变量间的数量关系。 试运用曲线估计过程确定变量劳动力成本比例与产量之间的定量关系。 分析步骤如下： (1)根据表11-3的数据资料，定义变量建立数据文件，如图11-3所示。 表11-3 产品产量与该产品劳动力成本比例数据 产品序号 产量（台）x 劳动力成本比例（%）y 1 550 23 2 910 19 3 1550 14 4 2660 6 5 2160 9 6 4450 5.7 7 5750 5.5 8 6930 4.1 9 7120 3.3 10 8150 4.2 图11-3 数据集 (2)打开曲线估计主对话框。 单击RegressionCurve Estimation，打开主对话框（Curve Estimation窗口）。如图11-4所示。 图11-4 Curve Estimation窗口 ①选择y移入因变量框．选择x移入自变量框. ②在Model栏内选择曲线估计模型，根据散点图，选择以下两种模型：Quadratic(二次曲线模型)，cubic（三次曲线模型）。 也可以选择Linear(线性模型)、Compound(复合模型)、Growth(生长曲线模型)、Logarithmic(对数曲线模型)、S曲线模型、Exponentia1(指数曲线模型)、 Inverse(逆曲线模型)、Power（幂指曲线模型）、Logistic(逻辑曲线模型). ③选择display ANOVA table，其余选项系统默认。 (3)单击0K按钮，得到以下结果。 ①QUADRATIC(二次曲线模型)拟合结果如表11-4所示。表中各项的意义为： ● 拟合的二次曲线模型的复相关系数R值为0.956、R平方值为0.914、经校正的R平方