管理統计实验报告2.docVIP

管理统计基础操作实验报告 班级:管科081 姓名：陈望新 学号：5504108003 线性回归分析 1.自变量强行进入的回归 说明：已知确切的解释变量与被解释变量，但不清楚他们之间的系数关系。 目的：搞清楚他们间的系数，求出确切的回归方程。 步骤：打开数据CH10回归人均食品支出 点击analyze-regression-linear按要求点选后，输出结果 如下图表 1（现以多元回归为例对结果进行说明） 图表 1 图表1中，常数项的sig列概率为0.1680.05，表示常数项与0没有显著性差异，表明常数项不应出现在方程中。 人均收入sig列的概率为0.0000.05，表示人均收入的系数与0有显著性差异，人均收入应当作为解释变量出现在方程中。 粮食单价的解释同上，表明其系数也应出现在方程中。 因此，应当采用标准回归方程及其系数（表中的beta列） 2.逐步回归法 说明：本问题已知一些可能与被解释变量有关的解释变量，不确定是不是都有关，不确切知道回归方程是什么，要依靠spss来探索。 目的：探索出确切的的回归方程。 步骤：打开数据CH6CH9CH10证券投资额与依据 点击analyze-regression-linear按要求点选后，输出结果 如下两图（图表 2和图表 3） 图表 2 图表2中sum of squares列的regression数据从334.497增加到498.043表明随着回归模型的改进，已解释变差越来越大。表中最后的sig列的显著性概率都小于0.01说明每个模型的总体回归效果都是显著的。 图表 3 图表3中sig列几乎所有的变量的系数都在0.01的水平上，显著异于0。只有最后的受教育程度的显著性概率为0.016，大于0.01，但还是小于0.02，表明在0.02的显著性水平上，收教育程度的系数显著异于0。即，这些变量都可以作为解释变量存在于模型中，解释投资额的变化。 3.多重共线性 说明：解释变量中多个变量有共同的变化趋势，可能会导致错误地删除变量，或者 r的平方会趋于1。 判断方法：如果输出的F的统计值很大，R趋于1，同时，许多t统计值小，估计系数的标准差大，则表明纯在多重共线性问题。 处理过程：1.删除t相对小的解释变量 2.用变量比例代替变量 3.改变模型结构 4.恰当处理滞后变量 5.增大样本容量 步骤：打开数据CH10共线反向逐步服装需求 点击analyze-regression-linear按要求点选后，输出结果如下两图 图表 4 图表 5 图表4中，第一次回归t统计值的显著性概率分别为0.015，0.772，0.078，0.072.除了可支配收入的显著性概率小于0.05外，其余都大于0.05，表明其相应的系数与0没有显著性差异。同时图表5中总体回归效果r与r的平方都很接近于1，说明解释变量之间存在多重共线性。图表4中第二次回归剔除了金融资产变量后，除常数项外，t检验结果都很好了，表明消除了多重共线性。 4.异方差问题 说明：指随着解释变量的变化，被解释变量的方差存在明显的变化趋势。此时回归参数的估计值仍无偏，但是不再是最小方差，所以不再有效。 判断方法：用散点图判断。以标准化残差为纵轴，以标准化预测值为横轴，看图的趋势（具体怎么看还真没搞明白，书上都没怎么说明~）还是用未标准化残差的绝对值，计算其与解释变量的spearman的相关系数好，看与0有没有差异，有显著差异则说明存在异方差性。 处理过程：（1）试算异方差的形式，选出回归效果最好的形式 （2）用广义最小二乘法及其回归的效果。 步骤：（1）初步判断异方差性。 打开CH10异方差SI原 点击analyze-regression-linear按要求点选后，输出结果如下图表6 图表 6 初步看出异方差性~（怎么看出来的？我估计应该是同一条竖线上，即标准化预测值相同时，其未标准化残差的值不一致。即没有一种线性的趋势） （2）检验异方差是否存在。 点击transform-compute，产生新变量未标准化残差的绝对值。点击analyze-corrrelate-bivariate计算居民收入与绝对值e的spearman相关系数为0.069，相应的P=0.000，与0有显著差异，说明存在异方差性（如下图表7所示） 图表 7 （3）用加权最小二乘法估计回归方程的系数。 由于我spss新数值的形成有点问题，下面就不再分析了~ 4.序列相关 说明：自相关问题，是指随着不同期的样本值（或不同编号）之间，存在相关关系。 基本类似的，省略了~ 因子分析 说明：因子分析其目的是浓缩数据，通过对诸多变量的相关性研究，可以用假