2012spass报告.docVIP

专 业 实 习 论 文 论文题目： 基于软件与曲线回归对农村人均收入 与人均教育支出的分析  摘要 本文对1999年到2011年农村人均收入与农村人均教育支出进行回归分析，建立曲线回归模型，应用了软件对模型进行分析和检验，得到回归方程，以此来更好的了解农村收入与支出的现状。 关键词：非线性回归 回归方程 软件 人均收入 人均教育支出  问题的提出 伴随着改革开放的顺利进行，人们的生活水平日益提高，收入也不断增加，农民的生活也得到了进一步的改善，随之而来的则是人们对教育事业关注度的普遍提高，人均教育支出也得到了很大关注。通过《中国农村统计年鉴》我们找到了一些数据，即某农村1999年到2011年的人均收入与人均教育支出的数据，我们将尝试利用软件来研究它们之间是否存在非线性关系。具体数据如下： 年份 农村人均收入（元） 人均教育支出（元） 1999 1627.64 38.24 2000 1854.22 47.91 2001 2203.60 57.56 2002 3138.56 71.00 2003 4442.09 153.98 2004 5565.68 194.62 2005 6544.73 307.95 2006 7188.71 419.19 2007 7911.94 542.78 2008 7493.31 556.93 2009 7997.37 656.28 2010 9463.07 1091.85 2011 9396.45 1062.13  问题的分析 回归分析法，就是指在掌握大量观察数据的基础上，利用数理统计的方法建立因变量与自变量之间的回归方程，如果在回归分析中，只包括一个自变量和一个因变量，且两者之间的关系可用一条曲线近似表示，则这种回归分析称为一元非线性回归分析。 由上图可猜测，本题可以运用非线性回归进行分析。 模型的建立与结果分析 利用软件我们可以得到以下结果： 模型描述 模型名称 MOD_1 因变量 1 农村人均收入 方程 1 线性 2 对数 3 二次 自变量 农村人均教育支出 常数 包含 其值在图中标记为观测值的变量 未指定 用于在方程中输入项的容差 .0001 由上表可知：农村人均教育支出为自变量，人均收入为因变量，包含常数。 可建立三种一元非线性回归模型： 其中为参数，为误差项 其中为参数，为误差项 其中为参数，为误差项 个案处理摘要 N 个案总数 13 已排除的个案a 0 已预测的个案 0 新创建的个案 0 a. 从分析中排除任何变量中带有缺失值的个案。 变量处理摘要 变量 因变量 自变量 农村人均收入 农村人均教育支出 正值数 13 13 零的个数 0 0 负值数 0 0 缺失值数 用户自定义缺失 0 0 系统缺失 0 0 由上表可知，个案总数为13个。 模型汇总和参数估计值 因变量:农村人均收入 方程 模型汇总 参数估计值 R 方 F df1 df2 Sig. 常数 b1 b2 线性 .836 56.029 1 11 .000 2942.248 7.034 对数 .995 2086.351 1 11 .000 -7176.535 2368.779 二次 .961 124.603 2 10 .000 1667.396 16.369 -.009 自变量为 农村人均教育支出。 由表可知：对于线性模型，拟合优度，统计量值F=56.029，为自由度的值，=0.000. 对于对数模型，拟合优度，统计量值F=2086.351，，=0.000. 对于二次模型，拟合优度，统计量值F=124.603，， =0.000. 拟合优度是回归分析的可决定系数，统计量值F代表的是模型的拟合情况，是回归关系的显著性系数，即F检验的显著性概率。当时，说明回归关系具有统计学意义，反之说明当前模型进行回归无统计学意义。由此可说明以上模型都具有统计学意义，而且都比较显著。 根据表中的参数估计值可得： 根据拟合优度的数值以及统计量值F的数据来看，我们可以看出对数模型的拟合情况最好。 下面我们给出三个曲线模型拟合曲线及观测值的散点图。 从图中可直观看出对数模型拟合的曲线与原始观测值拟合最好。所有三点均分布于曲线附近，所以建立的非线性回归模型来分析此问题是正确的。 结论 回归