spss实例简单线性回归..docxVIP

作业12：简单线性回归data1203-bird是25种鸟类动物的体重和骨骼重量，进行体重和骨骼重的相关分析。分析过程：结果输出：结论：用两种方法测得鸟类动物体重和骨骼重的相关性很好。2，进行骨骼重(因变量)和体重(自变量)的回归分析，内容至少包括：回归方程，回归效果分析（R square、回归估计标准误、回归系数假设检验），回归分析前提条件的检验（Linearity、Homoscedasticity、Normality）。分析过程：结果输出：描述性统计量；结论：用两种方法测得鸟类动物体重和骨骼重的相关性很好。Pearson r=0.999, ??2=??2=0.997，也可以??2=????R/????Y=(????Y?????E)/????Y=1?????E/????Y=0.997，即Y变量的99.7%变异可以被回归模型解释，越大说明回归效果越好，回归估计标准误即????|??=4.2859，回归方差分析，????Y=1570.312，??FY =???1=24，????R=1566.087，??FR=1，????E=4.225，??FE =???2=23，????Y=????R +????E,??FY =??FY+??FE，??=??(?? 8525)0.001，说明估计的回归方程有意义，即???不等于0，回归系数估计，??? =20.323，??e(???) =0.221，??=92.335，??=2??(??92.335)0.001，说明回归有意义，即???不等于0,95% CI for ??: ???±??13,0.975???e(???) =(19.867,20.778)因是单元回归，所以??2=??，??=y(平均)????x（平均）=?0.144，??e(??) =0.089，??=?1.627，??=2??(???1.627)=0.117，说明截距可能等于0,95% CI for α: ??±??13,0.975???e(??)=(?0.328,0.039)估计的回归方式是：??=?0.144+20.323??Linearity，Homoscedasticity、Normality检验过程：对于nearity，Homoscedasticity检验由于最小值和最大值差距太大，，效果并不明显。但也可以看出数据分布在RES_1=0直线的周围。正态性分布检验。3，数据中有一种鸟的体重是0.02kg，该鸟骨骼重的平均数95%置信区间是？鸟的体重是0.02kg，该鸟骨骼重的平均数95%置信区间是（-0.00063，0.01733）4，假设有另一种鸟的体重是2kg，根据回归方程，该鸟的骨骼重是？把y=2，代入??=?0.144+20.323??得：x=0.1055data1204-mammals是25种哺乳类动物的体重和骨骼重量，1，进行体重和骨骼重的相关分析。分析过程；结论：用两种方法测得体重和骨骼重的相关性很好2，进行骨骼重(因变量)和体重(自变量)的回归分析，内容至少包括：回归方程，回归效果分析（R square、回归估计标准误、回归系数假设检验），回归分析前提条件的检验（Linearity、Homoscedasticity、Normality）分析过程；描述性统计量体重和骨骼重的相关性很好Pearson r=1, ??2=??2=1，也可以??2=????R/????Y=(????Y?????E)/????Y=1?????E/????Y=1，即Y变量的100%变异可以被回归模型解释，越大说明回归效果越好，回归估计标准误即????|??=6.2759，回归方差分析，????Y??FY =???1=24，????R??FR=1，????E=905.914，??FE =???2=23，????Y=????R +????E,??FY =??FY+??FE ，??=??(?? 875496)0.001，说明估计的回归方程有意义，即???不等于0，回归系数估计，??? =3.365，??e(???) =0.004，?? =935.68，??=2??(??935.68)0.001，说明回归有意义，即???不等于0,95% CI for ??: ???±??13,0.975???e(???) =(3.357,3.372)因是单元回归，所以??2=??，??=y(平均)????x（平均）=4.003，??e(??) =1.282，??= 3.123，??=2??(??3.123)=0.005，说明截距可能不等于0,95% CI for α: ??±??13,0.975???e(??)=(1.352,6.655)估计的回归方式是：??=4.003+3.365??生成数据的描述性统计量Linea