回归与非参数检验-侯(1)教案.doc

大 连 民 族 学 院 数 学 实 验 报 告 课程： 统计软件—SPSS 实验题目： 线性回归分析与非参检验 系别： 理学院 专业： 统计学 姓名： 侯祥飞 班级： 141班 指导教师： 滕颖俏 完成时间： 2016 年 10 月 30 日 实验目的： 掌握线性回归分析的主要目标及其具体操作，能够读懂基本分析结果，掌握计算结果之间的数量关系，并能够写出回归方程，对回归方程进行各种统计检验。了解SPSS非参数检验的具体操作，能够解释分析结果。 实验内容、实验步骤、实验结果及分析 线性回归分析 （一）9.5 粮食总产量 1.实验内容 先收集到若干年粮食总产量以及播种面积、使用化肥量、农业劳动人数等数据，请利用建立多元线性回归方程，分析影响粮食总产量的主要因素。数据文件名为“粮食总产量.sav”。 2.实验步骤 步骤：分析→回归→线性→粮食总产量导入因变量、其余变量导入自变量→确定；分析→回归→线性→（向后）→确定 3.实验结果及分析 上表进行了拟合优度检验，由于该方程有多个解释变量，因此参考调整判定系数（0.986）较接近1，因此认为拟合有度较高，被解释变量可以被模型解释的部分较多，不能被解释的部分较少。 上表进行了回归方程的显著性检验，由于Sig为0小于0.05，所以拒绝原假设，认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，可以建立线性模型。 上表进行了回归系数的显著性检验，可以看出除粮食播种面积与农业劳动者人数变量的P-值均大于0.05，所以接受原假设，认为这些偏回归系数与0无显著性差异，它们与被解释变量的线性关系是不显著的，不应该保留在方程中。影响程度来由大到小依次是风灾面积、施用化肥量、总播种面积和年份（排除农业劳动者人数和粮食播种面积对粮食产量的影响）。 得回归方程为：，其中X1,X2,X3,X4分别为年份，总播种面积，施用化肥量，风灾面积比例。 （二）9.6 销售量 1.实验内容 一家产品销售公司在30个地区设有销售分公司。为研究产品销售量(y)与该公司的销售价格（x1）、各地区的年人均收入(x2)、广告费用(x3)之间的关系，搜集到30个地区的有关数据。进行多元线性回归分析所得的部分分析结果如下：?? 1）?将第一张表中的所缺数值补齐。???? 2）?写出销售量与销售价格、年人均收入、广告费用的多元线性回归方程，并解释各回归系数的意义。???? 3）?检验回归方程的线性关系是否显著？???? 4）?检验各回归系数是否显著？???? 5）?计算判定系数，并解释它的实际意义。???? 6）?计算回归方程的估计标准误差，并解释它的实际意义。 2.实验结果 1） Anovab 模型 平方和 df 均方 F Sig. 1 回归 1.20E+07 3 4.01E+06 72.797 8.88E-13 残差 1.43E+06 26 55069.715 　 　 总计 1.35E+07 29 　 　 　 2）， -117.8861表示销售价格越高，销售量越低，X1对Y的增长起抑制作用，X1与Y是负相关关系。80.6107表示各地区销售人员的人均收入越高，销售人员的工作积极性越高，所以销售量也越高，X2与Y是正相关关系。0.5012表示广告费用越高，销售量也越高，X3与Y是正相关关系。 3）回归方程显著性Sig值为8.88341E-13<0.05,所以拒绝原假设，线性关系显著。 4）各变量显著性Sig值分别为0.00457，0.00103，0.00001，0.00049均小于0.05，拒绝原假设，各回归系数显著。 5）判定系数为：R2=回归和/综合17=0.894 意义为：产品的销售量的总误差中有89.4%可以用产品的销售价格、各地区的年人均收入和广告费用的线性关系来解释，只有10.6%属于随机因素影响，因此这条回归线是合适的。 6）估计标准误差为： 非参数检验 (一)7.1 1.