实验9-2.docVIP

曲线估计的应用举例 实验报告 班 图9-2（b） 图9-2（c） 实验内容与目的 实验内容：收集到1990-2002年的全国人均消费性支出和教育支出的数据，希望对居民家庭教育支出和教育性支出之间的关系进行研究。具体数据在供下载的压缩包中，文件名为“年人均消费支出和教育.sav”。 实验目的：变量之间的关系并不是总是表现为线性关系，有时也是非线性的。借助曲线估计方法，对初始不是线性关系的模型，通过变量变换化为线性关系，并最终进行线性回归分析，建立线性模型。从而对居民家庭教育支出和教育性支出之间的关系进行研究。 操作过程 （包含的主要内容①数据文件的建立②分析前数据的预处理③统计分析运用方法操作） 数据文件的建立：年人均消费支出和教育数据是老师给的数据压缩包里下载的，该数据文件中总共有7个变量。这7个变量的数值型（Type）都是标准型（Numeric）；这7个变量的标签（Label）为：nf为“年份”、X1为“年人均可支配收入”、X2为“年人均消费性支出”、X3为“恩格尔系数”、X4为“在外就餐”、X5为“教育支出”、X6为“人均使用面积”；所用变量的缺失值（Missing)中，年份为None,其他的都为：0.00；变量值标签（Values）的定义中所有变量都为None，；计量尺度(Measure)中，7个变量都为定距型数据（Scale)。 ②分析前数据的预处理 首先绘制教育支出和年人均消费性支出的散点图。 ③统计分析运用方法操作 先观察两变量之间的图形关系。选择菜单Graphs→Legacy Dialogs→Scatter/Dot。之后选择Simple scatter这个图形，将教育支出加到Y下面，将年人均消费性支出加到X下面，最后得出图9-2(a); 选择菜单Anaylse→Regression→Curve Estimation; 选择解释变量“教育支出”到Dependent框中，选择解释变量“年人均消费性支出”到Independent框中，选择“年份”到Time框中，表示解释变量为时间变量； 在Models中选择模型，在本实验中，选择Quadratic、Cukic、Power、Compound; 选择Plots models选项绘制回归线。最后得出以下结果，如图9-2（b）、图9-2（c）。 结论与分析 （对输出结果进行解释说明） 图9-2（a）表明，在教育支出与年人均消费性支出的散点图中可以看出，教育支出与年人均消费性支出之间是呈非线性的关系，所以不能直接用线性回归分析方法对变量进行分析，而应运用曲线估计方法进行变量之间的关系分析。 图9-2（b）表明，由图可知，拟合优度最高的是三次曲线，其次是二次曲线，可参见图9-2（c），可优先考虑采用这两个模型。但从输出的方差分析表和回归系数的显著性检验结果看，三次曲线中包含回归系数不显著的解释变量，因此该模型不可采纳。另外，由于二次曲线中年人均消费性支出的回归系数为负值，与实际情况不符合，因此也不可采纳。 图9-2（c） 图9-2（c）表明，复合曲线的拟合优度高于幂函数，同时它们都通过回归系数的显著性检验，因此可考虑采用这两个模型。另外，由于复合曲线增长速度快于幂函数，从居民消费性支出的未来趋势看，教育支出将可能占年人均消费性支出的较大比例，并呈现快速增长趋势，因此可考虑采用复合曲线。 图9-2（c）表明，复合曲线的拟合优度高于幂函数，同时它们都通过回归系数的显著性检验，因此可考虑采用这两个模型。另外，由于复合曲线增长速度快于幂函数，从居民消费性支出的未来趋势看，教育支出将可能占年人均消费性支出的较大比例，并呈现快速增长趋势，因此可考虑采用复合曲线。 小结 （注：说明分析方法的①用途②运用条件（运用前提）③零假设及其经济意义） ①用途 曲线估计方法的用途：借助曲线估计方法，对初始不是线性关系的模型，通过变量变换化为线性关系，并最终进行线性回归分析，建立线性模型。 ②运用条件（运用前提） 运用条件：曲线估计的变量之间是不能存在线性关系。 ③零假设及其经济意义 经济意义： SPSS曲线估计中，首先，在不能明确究竟哪种模型更接近于样本数据时可在上述多种可选择模型中选择几种模型；然后，SPSS自动完成模型的参数估计，并输出回归方程显著性检验的F值和概率P值、判定系数等统计量；最后，一判定系数为主要依据选择其中的最优模型，并进行预测分析等。 附件 （分析结果输出的图表等） 图9-2（a）