SPSS思考与练习解析推荐.docVIP

1、 （1） 操作：分析-回归-线性，因变量y,自变量x1，x2-确定。得方程y=209.875+0.292x1-87.647x2。 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) 209.875 67.350 3.116 .010 x1 .292 .089 .356 3.286 .007 x2 -87.647 12.443 -.763 -7.044 .000 a. 因变量: y ，p是自变量个数此时是2，n是样本个数14。F服从分布：F~F（2,11）。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 46788.618 2 23394.309 42.155 .000a 残差 6104.596 11 554.963 总计 52893.214 13 a. 预测变量: (常量), x2, x1。 b. 因变量: y ，其中。 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) 209.875 67.350 3.116 .010 x1 .292 .089 .356 3.286 .007 x2 -87.647 12.443 -.763 -7.044 .000 a. 因变量: y 系数a 模型 非标准化系数 标准系数 t Sig. B 的 95.0% 置信区间 B 标准 误差 试用版 下限 上限 1 (常量) 209.875 67.350 3.116 .010 61.639 358.111 x1 .292 .089 .356 3.286 .007 .096 .488 x2 -87.647 12.443 -.763 -7.044 .000 -115.034 -60.261 a. 因变量: y =0.885，比较接近1，说明回归方程拟合效果较好。 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .941a .885 .864 23.55766 a. 预测变量: (常量), x2, x1。 3、 （1） 操作：分析-回归-线性，因变量y,自变量x，确定。得方程y=0.004x-0.831。 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .839a .705 .699 1.57720 a. 预测变量: (常量), x。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 302.633 1 302.633 121.658 .000a 残差 126.866 51 2.488 总计 429.499 52 a. 预测变量: (常量), x。 b. 因变量: y 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) -.831 .442 -1.882 .065 x .004 .000 .839 11.030 .000 a. 因变量: y 。 残差图法：分析-回归-线性，因变量y,自变量x。保存-残差、预测值-未标准化。得到残差值： 图形-旧对话框-散点-简单分布-定义-y轴是e（RES_1），x轴是（PRE_1）-确定： 从残差图看出误差项具有明显的异方差性，因为误差随x轴增加呈现明显的增加态势。 第二种方法：等级相关系数法 操作：分析-回归-线性，因变量y,自变量x。保存-残差-未标准化。 求|ei|：转换-计算变量-如图-确定： 然后，分析-相关-双变量-操作如图： 得到结果： 相关系数 e绝对值 x Spearman 的 rho e绝对值 相关系数 1.000 .318* Sig.（双侧） . .021 N 53 53 x 相关系数 .318* 1.000 Sig.（双侧） .021 . N 53 53 *. 在置信度（双测）为 0.05 时，相关性是显著的。 得到结果： 对数似然值b 幂 -2.000 -121.068 -1.500 -114.545 -1.000 -108.466 -.500 -102.983 .000 -98.353 .500 -94.837 1.000 -92.581 1.500 -91.588a 2.000 -91.756 a. 选择对应幂以用于进一步分析，因为它可以使对数似然函数最大化。 b. 因变量: y，源变量: x 模型摘要 复相关系数 .812 R 方 .659 调整 R 方 .652 估计的标准误 .008 对数似然函数值 -91.588 系