华东理工大学多元统计分析与SPSS实际应用实验.docVIP

华东理工大学2013—2014 学年 第 二 学期 《 多元统计分析与SPSS应用》实验报告4 班级 学号 姓名 开课学院 商学院 任课教师 任飞 成绩 实验内容：实验 4 回归分析方法 1.相关分析 熟悉Correlate功能 Analyze Correlate Bivariate… 选用Trends chapter 9. sav 文件中的变量，将consump, income, 放入对话框,作二个随机变量的相关分析。 选用Employee data. sav 文件中的变量，将Current Salary, educ, salbegin, gender,…. 放入对话框,作二个随机变量的相关分析。 2.回归分析 熟悉 Regression 功能 Analyze Regression Liner … 选用Employee data. sav 文件中的变量，将salary作为因变量(dependent variables)，其它的，如educ, salbegin, gender,….作为自变量(independent variables)，作多元线性回归分析。 Method框选用Enter Method框选用Stepwise 2. 试讨论“Employee data”是否能构成一个回归问题以及对回归结果展开讨论。 教师评语： 教师签名： 年 月 日 实验报告： 4.1 1、 打开Trends chapter 9. sav，按照顺序Analyze→Correlate→Bivariate，将consump, income, 放入对话框，如图4.1.1所示。 图4.1.1 点击OK，得到结果如图4.1.2 图4.1.2 Pearson相关系数为-0.744，带有两个“*”，表明在显著性水平为0.01下两变量是显著相关的，且F检验P值为0，拒绝总体中这两个变量相关系数为零的假设，由此可得consump和income呈现出显著的负相关。 2、 打开Employee data. sav ，将Current Salary, educ, salbegin, gender,prevexp，jobtime. 全部放入对话框,，按照顺序Analyze→Correlate→Bivariate，如图4.1.3所示。 图4.1.3 点击OK，得到结果如图4.1.4 图4.1.4 以Current Salary为例，Current Salary和Educational Level、Beginning Salary、Gender、Previous Experience的Pearson相关系数分别为0.661（**）、0.880（**）、-0.450（**）、-0.097（*），表明在显著性水平为0.01下Current Salary和Educational Level、Beginning Salary、Gender是显著相关的，“Months Since Hire”与其余变量无显著相关性。 上述说明当前工资和职工受教育年限和起薪是显著正相关，和性别是负相关，这里“0”表示男性，“1”表示女性，结果也符合实际，一般来说，同等情况下男性工资水平比女性工资水平要高。当前工资和工作年限有一定的关系，但显著性与前三个变量相比要弱。 4.2 1、 打开Employee data.sav，按照顺序Analyze →Regression →Liner …，将salary选入Dependent：框中，其它educ, salbegin, gender,prevexp,jobtime,.选入Independent(s)中，Method选Enter，如图4.2.1 单击“Statistics”，选择“Estimates”、“Model fit”、“Confidence intervals”、“Descriptive”，如图4.1.2 图4.2.1 单击“OK”，得到结果如图4.1.3、图4.1.4、图4.1.5、图4.1.6、图4.1.7 图4.2.3 图4.2.4 图4.2.5 图4.2.6 图4.2.7 结果分析： 图4.2.3是描述统计量的结果 图4.2.4是相关分析的结果，C