2012级多元统计试验报告.docVIP

试验报告 课程名称：多元统计学 试验名称: 某树种在不同海拔结实数目与海拔的关系 试验目的: 通过试验理解并掌握SPSS回归分析方法 学 院: 林学院 专业年级: 森林经理 姓 名: XXXXXX 学 号: 2012021941 指导教师: XXX 教授 成 绩: 2013年07月05 目录 前言 3 1、数据简介 4 1.1海拔数据 4 1.2结实量数据 4 2、需处理问题 4 2.1散点图的构建 4 2.2选择分析方式 4 2.3对分析结果进行检验 4 3、回归分析简介 5 4、SPSS处理回归分析过程 7 4.1参数设置 7 4.2曲线估计 7 4.3非线性分析 9 5、计算结果及分析 11 6、试验中存在的问题 13 前言 SPSS是世界上最早的统计分析软件，由美国斯坦福大学的三位研究生Norman H. Nie、C. Hadlai (Tex) Hull 和 Dale H. Bent于1968年研究开发成功应用于自然科学、技术科学、社会科学的各个领域SPSS作为统计分析工具，理论严谨、内容丰富，具有数据管理、统计分析、趋势研究、制表绘图、文字处理等功能。其中的统计分析功能包括从基本描述统计、推断统计到聚类分析、因子分析等多元统计分析方法。主要利用回归分析中的散点图、相关系数分析、对相关信息进行统计分析回归分析是从一组样本数据出发，确定变量之间的数学关系式，对这些关系式的可信程度进行各种统计检验，并从影响某一特定变量的诸多变量中找出哪些变量影响显著，哪些不显著。然后利用所求得关系式根据一个或几个变量的取值来预测或控制另一个特定变量的取值，并给出这种预测或控制的精度。回归分析按照经验公式的函数类型可以分为线性回归和非线性回归。若回归分析的经验公式是线性函数，则称为线性回归；若回归分析的经验公式是非线性函数，则称为非线性回归。按自变量的个数可以将回归分析分为一元回归和多元回归。一元回归是自由一个自变量的回归分析。有两个或两个以上的自变量的回归分析称为多元回归。1、数据简介 1.1海拔数据 一共有25组数据。海拔数据作为自变量，通过观察数据可以看出，海拔数据中最高数据为1002米，最低海拔为40米，平均数为340米，方差为0.1，标准差为0.3164，标准误为0.464。最低数据和最高数据相差较大，总体呈现平稳上升态势。 1.2结实量数据 结实量数据作为因变量，最高结实量为104，最低为0，平均数为47.27，方差为1824.9，标准差为42.7180，标准误为8.544。 2、需处理问题 本试验主要研究果实结实量随着海拔的变化而变化情况，需要寻找两个因子之间的直接或者间接关系。两者之间如有一定的相关性，则必然存在一些参数能够满足数据分析的要求。 2.1散点图的构建 要想表达两个因子之间的关系，需要构建散点图，从而确定采取何种分析方式能达到理想的效果。 2.2选择分析方式 通过上一步的操作，将得到两个因子的关系，本试验使用的分析方式为回归分析。 2.3对分析结果进行检验 试验的主要研究目的就是找出相关参数以构建相关的表达式，在要构建的表达式中，结实量为因变量，海拔为自变量，因变量随着自变量的变化而变化。在数据处理中，各个统计量至关重要，方差、标准差、标准误等等数据是否达到建立回归方程的标准，F检验和T检验的相关数据是否能够表示两个因子的相关性达到显著。 3、回归分析简介 回归分析（regressionanalysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。运用十分广泛，回归分析按照涉及的自变量的多少，可分为一元回归分析和多元回归分析；按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。如果在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。研究一个或多个随机变量Y1，Y2，…，Yi与另一些变量X1、X2，…，Xk之间的关系的统计方法。又称多重回归分析。通常称Y1，Y2，…，Yi为因变量，X1、X2，…，Xk为自变量。回归分析是一类数学模型，特别当因变量和自变量为线性关系时，它是一种特殊的线性模型。最简单的情形是一个自变量和一个因变量，且它们大体上有线性关系，这叫一元线性回归，即模型为Y=a+bX+ε，这里