与决策.docVIP

实验回归分析 实验目的： 掌握运用SPSS进行一元线性回归、多元线性回归具体操作，深刻理解模型检验、残差分析以及共线性分析。 题目： 某地区客运周转量的增长与该地区总人口的增长及人均月收入有关，已经掌握近10年有关资料如下表。 利用SPSS建立客运周转量与总人口、人均月收入多元回归方程。对所建立的多元回归方程进行模型检验、残差分析，共线性诊断。 表5-1 序号 客运周转量Y （千万人公里） 总人口X1 （万人） 人均月收入 （10美圆） 1 70 200 45.0 2 74 215 12.5 3 80 235 47.5 4 84 250 52.5 5 88 275 55.0 6 92 285 57.5 7 100 300 60.0 8 110 330 57.5 9 112 350 62.5 10 116 360 65.5 合计 926 2800 545 操作步骤： 执行“分析－分归－线性”命令，打开线性回归对话框，将客运周转量变量移入因变量列表，将总人口和人均月收入变量移入自变量列表中，打开统计量对话框，选中估计、置信区间、共线性诊断等复选框，单击继续、确定。如下表： 操作结果及分析：客运周转量与总人口的相关分析 描述性统计量 均值 标准差 N 客运周转量（千万人公里） 92.60 16.304 10 总人口（万人） 280.00 55.578 10 相关性 客运周转量（千万人公里） 总人口（万人） 客运周转量（千万人公里） Pearson 相关性 1 .994** 显著性（双侧） .000 平方与叉积的和 2392.400 8110.000 协方差 265.822 901.111 N 10 10 总人口（万人） Pearson 相关性 .994** 1 显著性（双侧） .000 平方与叉积的和 8110.000 27800.000 协方差 901.111 3088.889 N 10 10 **. 在 .01 水平（双侧）上显著相关。 由上表可知，皮尔逊相关系数为0.994，即客运周转量与总人口的相关系数为0.994，可以认为两者之间存在正相关关系。 客运周转量与总人口、人均月收入多元回归方程 均值 标准 偏差 N 客运周转量（千万人公里） 92.60 16.304 10 总人口（万人） 280.00 55.578 10 人均月收入（10美元） 51.55 15.106 10 相关性 客运周转量（千万人公里） 总人口（万人） 人均月收入（10美元） Pearson 相关性 客运周转量（千万人公里） 1.000 .994 .723 总人口（万人） .994 1.000 .738 人均月收入（10美元） .723 .738 1.000 Sig. （单侧） 客运周转量（千万人公里） . .000 .009 总人口（万人） .000 . .007 人均月收入（10美元） .009 .007 . N 客运周转量（千万人公里） 10 10 10 总人口（万人） 10 10 10 人均月收入（10美元） 10 10 10 如上表，客运周转量与总人口的皮尔逊系数为0.994，与人均月收入的皮尔逊系数为0.723，说明客运周转量与总人口、人均月收入均有较高的线性相关性。 输入／移去的变量b 模型 输入的变量 移去的变量 方法 1 人均月收入（10美元）, 总人口（万人）a . 输入 a. 已输入所有请求的变量。 b. 因变量: 客运周转量（千万人公里） 表中给出Y与X1、X2之间的复相关系数R＝0.995，反映了变量Y与变量X1、X2之间具有高度显著的线性关系，表中还显示了R方以及经调整的R值的估计标准误差，另外DW＝1.742，该值在2附近，说明模型变量无序列相关。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 2366.540 2 1183.270 320.299 .000a 残差 25.860 7 3.694 总计 2392.400 9 a. 预测变量: (常量), 人均月收入（10美元）, 总人口（万人）。 b. 因变量: 客运周转量（千万人公里） 表中Sig.＝0.0000.005，可以认为变量Y与X1、X2之间高度显著的线性关系。 由上表可知模型为：Y＝10.796+0.297X1－0.026X2 共线性诊断a 模型 维数 特征值 条件索引 方差比例 (常量) 总人口（万人） 人均月收入（10美元） 1 1 2.953 1.000 .00 .00 .00 2 .037 8.990 .47 .00 .44 3 .01