《应用回归分析》---一元线性回归分析实验报告.docxVIP

《应用回归分析》---一元线性回归分析实验报告

实验名称：一元线性回归分析

实验目的：

掌握一元线性回归分析的基本思想

掌握简单线性回归分析的SPSS操作

读懂分析结果，并写出回归方程

对回归方程进行方差分析、显著性检验等各种统计检验

实验设备与环境：计算机，SPSS22.0等。

一、实验内容：

为了了解我国全社会固定资产投资对国内生产总值的影响，共收集了1985年到2014年间的生产投资与生产总值的数据，（生产与投资数据）利用SPSS软件，完成以下任务：

描述统计量：观察其样本均值与方差；

画出X、Y散点图，观察因变量与自变量之间关系是否有线性特点；

相关性分析；

试对X与Y进行回归分析，写出回归方程

残差分析.

二、实验步骤：（只需关键步骤）

1、描述统计量：观察其样本均值与方差；

*打开数据“生产和投资.sav”

*依次选择分析→描述统计→描述→选项，勾选平均值、方差→继续并确定，提交系统分析

2、画出X、Y散点图，观察因变量与自变量之间关系是否有线性特点；

*打开数据“生产和投资.sav”

*选择菜单→图形→旧对话框→散点/点状

*单击散点/点状→简单分布→单击定义→简单散点图→将“国内生产总值”放入Y轴→将“全社会固定资产投资”放入X轴→确定，提交系统运行。

相关性分析；

*打开数据“生产和投资.sav”

*依次选择分析→相关→双变量→将“国内生产总值”和“全社会固定资产投资”放入变量框中→确定，提交系统分析

试对X与Y进行回归分析，写出回归方程

*打开数据“生产和投资.sav”

*依次选择分析→回归→线性→把“国内生产总值”放入因变量框→把“全社会固定资产投资”放到自变量框→确定，提交系统分析

5、残差分析.

在回归分析对话框中→保存→点击残差下的未标准化、标准化、学生化→继续→点击确定→以自变量为横轴，残差为纵轴画散点图

三、实验结果分析：（提供关键结果截图和分析）

1、描述统计量：观察其样本均值与方差

2、画出X、Y散点图，观察因变量与自变量之间关系是否有线性特点；

“国内生产总值”和“全社会固定资产投资”间存在较强的线性关系，而且是正相关

相关性分析

*从图中可以看出“国内生产总值”和“全社会固定资产投资”的相关系数r=0.961，数值上表明两变量呈高度正相关；

*相关系数的显著性检验p值为0.000，即p0.05，说明了“国内生产总值”和“全社会固定资产投资”的相关关系达到了统计学上的显著水平，即两者为显著的正相关。

试对X与Y进行回归分析，写出回归方程

*回归方程的显著性检验从上表可以看出F=1037.144，其检验的概率水平p=0.000，小于0.05的显著性水平，说明回归方程在0.05的显著水平下是显著的，有统计意义，两变量间有显著的线性关系。

*回归系数检验：上表可以看出该例常数项的显著性检验统计量t=5.750，其p=0.000，小于0.05；自变量的回归系数的显著性水平检验统计量t=32.205，其p=0.000，也小于0.05，认为回归系数是显著的，说明因变量因y与自变量x之间有显著的线性关系

*方程构建：可以根据上述结果构建国内生产总值y和全社会固定资产投资x的回归方程，即y=40762.31+1.32x

也可以构建标准化方程，即y=0.987x

*相关系数检验从上表可以看出相关系数R=0.987，说明两者之间有高度的线性相关性.

*方程拟合度检验从表上的结果可以看出决定系数R2=0.974，说明该回归模型自变量“全社会固定资产投资”可以解释因变量“国内生产总值”97.4%的变差，提示拟合效果很好

残差分析.

*从残差图上可以看到残差是围绕e=0随机波动，说明该一元线性回归模型的基本假设是满足的

实验总结：（包括心得体会、问题回答及实验改进意见，可附页）

通过本次实验我掌握一元线性回归分析的基本思想、掌握简单线性回归分析的SPSS操作，能读懂分析的结果，并写出回归方程，对回归方程进行方差分析、显著性检验等各种统计检验。从中获得的诸多收获也是可贵的，是十分有意义的。这次实验不仅提高了我的动手能力，也提高了我独立思考问题的能力，使我受益匪浅。