统计学作业.docxVIP

习题七1、从散点图上来看,X和Y的趋势有一定的一致性。相关性mktduppdupmktdupPearson 相关性1.970**显著性（双侧）.000N1515pdupPearson 相关性.970**1显著性（双侧）.000N1515**. 在 .01 水平（双侧）上显著相关。选择Pearson相关系数，从上图相关性分析结果,可以看到X和Y的相关性系数为0.970,对应的显著性为0.000,如果设置的显著性水平位0.01,则通过显著性检验,即认为虽然两个变量总体趋势有一致性,并且显著相关。回归分析是SPSS中一个重要的统计方法，主要在探讨数据之间关系方面进行操作。主要是探讨因变量Y与自变量X之间关系的一种模型。做y对x的线性回归，结果如下系数a模型非标准化系数标准系数tSig.相关性B标准误差试用版零阶偏部分(常量)-.052.028-1.859.086pdup.115.008.97014.307.000.970.970.970a. 因变量: mktdup由上表可知，拟合直线为Y=-0.052+0.115*X，斜率的估计值是多少0.115，标准差是0.008.在5%的显著性水平下，检验该回归方程的P值为0.043小于0.05，所以回归方程是显著的。在5%的显著性水平下，检验截距β0不等于0，β0=0.115，P值为0.000，小于0.05，所以β0是显著的。2、在进行线性回归分析时，将虑Dubuque Plumpers 热狗的市场份额与自身价格以及其它热狗价格自变量选入自变量中，进行回归分析系数a模型非标准化系数标准系数tSig.B标准误差试用版(常量).156.0692.249.044pbpreg.107.009.90512.390.000pbpbeef-.014.008-.128-1.751.105a. 因变量: mktdup已排除的变量b模型Beta IntSig.偏相关共线性统计量容差1pdup.a....000poscar.a....000a. 模型中的预测变量: (常量), pbpbeef, pbpreg。b. 因变量: mktdup由上表可知，拟合直线为mktdup=0.156+0.107*pbpreg-0.014*pbpbeef，已排除的变量poscar、pdup。在5%的显著性水平下，pbpreg回归系数的估计的P值为0.044，小于0.05，该回归系数的估计是显著的，而pbpbeef回归系数的估计的P值为0.044，小于0.05，该回归系数的估计是显著的在用数据来拟合所选的一个多元线性回归模型时，并不一定所有变量的参数都是显著的，此时我们常把参数不显著的变量去掉重新拟合。习题八点击数据，选择加权个案，对数据用变量n作加权。点击分析，选择描述统计，在下拉菜单中选择交叉表，进行列联表分析，变量a 对b 的二维列联表如下a* b 交叉制表b合计124235565597875967a0计数0011114期望的计数.7.7.7.7.7.74.01计数1100002期望的计数.3.3.3.3.3.32.0合计计数1111116期望的计数1.01.01.01.01.01.06.0变量a 和b 作相关性的卡方检验卡方检验值df渐进 Sig. (双侧)Pearson 卡方6.000a5.306似然比7.6385.177线性和线性组合3.8741.049有效案例中的 N6a. 12 单元格(100.0%) 的期望计数少于 5。最小期望计数为 .33。由上表可知，Pearson 卡方值为6，渐进 Sig. (双侧)为0.306，大于0.05，说明收入与观点赞成与否不存在显著差异。变量a 和b 作相关性的Fisher精确检验因为数据不是简单的四格表，而是由多行的行列表，所以在进行在上述操作时，选择精度检验，对a，b变量做Fisher精确检验。卡方检验值df渐进 Sig. (双侧)精确 Sig.(双侧)精确 Sig.(单侧)点概率Pearson 卡方6.000a5.3061.000似然比7.6385.1771.000Fisher 的精确检验5.5391.000线性和线性组合3.874b1.049.067.067.067有效案例中的 N6a. 12 单元格(100.0%) 的期望计数少于 5。最小期望计数为 .33。b. 标准化统计量是 -1.968。由上表可知，Pearson 卡方值为6，Fisher 的精确检验，精确 Sig.(单侧)为0.067，大于0.05，说明收入与观点赞成与否不相关，与卡方检验结果一致。习题九数据介绍：某企业的销售数据。其中包含两个定量变量：sales 为销售额，bonus 为奖金；另有两个定性变量：promot 为促销方式(无促销、被动促销和主动促销，分别用1 2 3表示)，service 为售后服务(