数据分析实验.docxVIP

在林业工程中，研究树干的体积Y与离地面一定高度的树干直径X1和树干高度X2之间的关系具有重要的实用意义。 建立数据集，定义变量并输入数据并保存。 【31棵树的相关数据】 2~4题的数据选用树干直径做分析 数据的描述，包括求均值、方差、中位数等统计量。 统计量 直径 N 有效 31 缺失 1 均值 13.2484 中值 12.9000 方差 9.848 画直方图，茎叶图，QQ图。 数据正态性的检验：K—S检验，W检验 直径 Stem-and-Leaf Plot Frequency Stem Leaf 3.00 0 . 888 20.00 1 . 00011111111222333444 7.00 1 . 6677788 1.00 2 . 0 Stem width: 10.00 Each leaf: 1 case(s) 从上面的直方图、茎叶图、QQ图中的图形上看，数据比较好的服从正态分布，这也和下面正态性检验表中检验结果0.0890.05结果相吻合。 正态性检验 Kolmogorov-Smirnova Shapiro-Wilk 统计量 df Sig. 统计量 Df Sig. 直径 .141 31 .117 .941 31 .089 a. Lilliefors 显著水平修正 从表中看，这里分别利用K-S检验和S-W检验两种方法来确定变量是否服从正态分布。df代表自由度，Sig.代表显著性水平。表中Sig.0.05 则代表接受假设。 多维正态数据的统计量。 案例处理摘要 案例 有效 缺失 合计 N 百分比 N 百分比 N 百分比 直径 31 96.9% 1 3.1% 32 100.0% 高度 31 96.9% 1 3.1% 32 100.0% 体积 31 96.9% 1 3.1% 32 100.0% 描述 统计量 标准误 直径 均值 13.2484 .56363 均值的 95% 置信区间 下限 12.0973 上限 14.3995 5% 修整均值 13.1602 中值 12.9000 方差 9.848 标准差 3.13814 极小值 8.30 极大值 20.60 范围 12.30 四分位距 5.00 偏度 .553 .421 峰度 -.435 .821 高度 均值 76.0000 1.14441 均值的 95% 置信区间 下限 73.6628 上限 78.3372 5% 修整均值 76.1111 中值 76.0000 方差 40.600 标准差 6.37181 极小值 63.00 极大值 87.00 范围 24.00 四分位距 8.00 偏度 -.394 .421 峰度 -.451 .821 体积 均值 30.1710 2.95232 均值的 95% 置信区间 下限 24.1415 上限 36.2004 5% 修整均值 29.0455 中值 24.2000 方差 270.203 标准差 16.43785 极小值 10.20 极大值 77.00 范围 66.80 四分位距 19.20 偏度 1.119 .421 峰度 .773 .821 线性回归线的拟合，回归系数的区间估计与假设检验，回归系数的选择、逐步回归。 残差分析。 输入／移去的变量 模型 输入的变量 移去的变量 方法 1 高度, 直径a . 输入 已输入所有请求的变量。 上表是变量进入模型的基本情况。将高度、直径全部采用。 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .974a .948 .944 3.88183 a. 预测变量: (常量), 高度, 直径。 b. 因变量: 体积 对于多元线性回归模型，一般应采用其调整的决定系数来判断。在上表中，其值为0.944，说明其拟合程度还是可以接受的。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 7684.163 2 3842.081 254.972 .000a 残差 421.921 28 15.069 总计 8106.084 30 a. 预测变量: (常量), 高度, 直径。 b. 因变量: 体积 这是一个标准的方差分析表。回归模型的Sig.值为0，说明该模型有显著的统计意义。 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) -57.988 8.638 -6.713 .000 直径 4.708 .264 .899 17.816 .000 高度 .339 .130 .132 2.607 .014 a. 因变量: 体积 由未标准化的回归系数可知，拟合结果为 Y=4.708X1+0.339X2-57.988。 从