统计学实验—SPSS与R软件应用与实例-第6章回归分析-SPSS.ppt

统计学实验—SPSS与R软件应用与实例-第6章回归分析-SPSS.ppt

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
统计学实验—SPSS与R软件应用与实例-第6章回归分析-SPSS

(5)最后,进行线性回归分析 * 《统计学实验》第6章回归分析 * 《统计学实验》第6章回归分析 【菜单方式】 打开数据文件li6.6.sa打开自变量对数化后的数据文件li6.6.sav, 选择Analyze→Regression→Curve Estimation, 将 lny选入Dependent(s),在Independent中选中t,在Models下选中线性模型Linear,选中Display ANOVA table→单击OK,可得表6.17、表6.18、表6.19及图6.7。 * 《统计学实验》第6章回归分析 图6.7 对数不变价人均GDP(lny)关于时间(t)的回归直线 * 《统计学实验》第6章回归分析 表6.20 不变价人均GDP问题的回归方程的可决系数表 Model Summary R R Square Adjusted R Square Std. Error of the Estimate .998 .996 .996 .038 The independent variable is t 时间. 表6.21 不变价人均GDP问题的方差分析表 ANOVA ? Sum of Squares df Mean Square F Sig. Regression 8.415 1 8.415 5959.205 .000 Residual .032 23 .001 ? ? Total 8.447 24 ? ? ? The independent variable is t 时间. ? ? ? * 《统计学实验》第6章回归分析 表6.22 不变价人均GDP问题的回归系数表 Coefficients ? Unstandardized Coefficients Standardized Coefficients t Sig. ? B Std. Error Beta t 时间 .080 .001 .998 77.196 .000 (Constant) 5.820 .015 ? 375.605 .000 * 《统计学实验》第6章回归分析 【程序方式】 * Curve Estimation. TSET NEWVAR=NONE. CURVEFIT /VARIABLES=lny /CONSTANT /MODEL=LINEAR /PRINT ANOVA /PLOT FIT.? * 《统计学实验》第6章回归分析 【程序方式】 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) CIN(95) /NOORIGIN /DEPENDENT y /METHOD=STEPWISE x1 x2 x3 x4 /SAVE PRED ICIN. * 《统计学实验》第6章回归分析 6.4 虚拟变量回归 【例6.4】 (数据文件为li6.3.sav) 在例6.3中,将性别 作为虚拟变量引入回归方程,建立当前年薪y关于受教育年限 和性别虚拟变量 的线性回归模型。 * 《统计学实验》第6章回归分析 【统计理论】 遇到定性变量,要把定性自变量引入回归方程必须把它“量化”,变为虚拟变量(dummy variable)才行,比如例6.4中反映性别的虚拟变量可取为: 此时,例6.4中,以性别为虚拟变量来研究职工年薪的统计模型为: * 《统计学实验》第6章回归分析 【菜单方式】 * 《统计学实验》第6章回归分析 表6.15 引入性别虚拟变量的线性回归模型回归系数表 Parameter Estimates Dependent Variable:y 当前年薪 ? ? ? ? Parameter B Std. Error t Sig. 95% Confidence Interval Lower Bound Upper Bound Intercept -11556.010 13143.534 -.879 .386 -38296.732 15184.712 [x5=f] -16840.481 6344.927 -2.654 .012 -29749.332 -3931.630 [x5=m] 0a . . . . . x4 4434.394 915.478 4.844 .000 2571.840 6296.949 a. This parameter is set to zero because it is redundant. ? * 《统计学实验》第6章回归分析 【程序方式】 UNIANOVA y BY x5 WITH x4 /METHOD=SSTYPE(3)

文档评论(0)

317960162 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档