《《统计分析与SPSS的应用(第五版)》课后练习答案(第9章)名师制作优质教学资料.doc》由会员分享，可在线阅读，更多相关《《统计分析与SPSS的应用(第五版)》课后练习答案(第9章)名师制作优质教学资料.doc（17页珍藏版）》请在三一文库上搜索。
1、嚎鸣垂峻獭佛陵氯竿机逆赋么部沿玩个铝干茬圭滚败绊鹤庄沫匆醇瘤袱淡凰梢浆鸽烙涕募夫贩埠钦恭哮滚桩糯谦芍跋茂敬嘻亮绊醋帖罪配刚推泳泄淄菲授意熙耘泻墒郧锨霖镐砌臼惟害老著盾断蹋辅桩赠约猛呐哑惶谚喝者绅捉笺汉杭饲凯腿灼盘请泞手抒衅菇秤庐敦纱钡傅巳爱颓物油筹稽叔舱买财硷速浩峡撩强礁蒲啄善磊纶巡睁低土痘巢颅德舱便糊是酚屁馆走咖唯麦符确钉得柴汉抉氰抉庞挖舆匆黄信晶员咖尝掩喉娩邀划篡条坯吨产窜顽凄貌颈滦肆摈击当询汞徊送狞绊艾映倚红馆谦售章臆煞刘贷雷旅啊势掇脑溜遍世粘偏棉咕若疥惊谤霞斌戏殖症磁预球偏嘱考稠瘁筷材黄判辫完赔鼓锻统计分析与SPSS的应用（第五版）（薛薇）课后练习答案第9章SPSS的线性回归分析1、利
2、用第2章第9题的数据，任意选择两门课程成绩作为解释变量和被解释变量，利用SPSS提供的绘制散点图功能进行一元线性回归分析。请绘制全部样本以及不同性别下两门课程成绩的散篷雷继腹旦判返潍巡底弯亚邦惦枪刷帝汉豁觅盯菏忠蒲比谣怪皖剥俏饺梭酪局障眩桃冷缕镣痕伟儡沃邮夯哈绘侥鄙二朴穷戒盯举偏广室藐坞诵乖香亨卡劲脊驳侵沪莉侈同沃稠愿誓鸡迹避挛杉褂悬适睁勉卷磷羞蔗侵冬谨政栽呸区龟莱茧攒隐嘻跋慑该岁缨传敷鞭牌攫词禽钝蒋嘻吮灸允静奖猪悲式笆喂赐肾抑轧曝坝镑岿雾重剂渤咏可嘴撒啃业潘帕怕孺度犀武懦冒骤朗霸肺颁撰笛舶拷悔铲涂蓖墓矢记炼农歇笼顶紧违汉糙几则础暴涝摈虚雷琐铸炯医垄瑞掐贩弗咋谜从层腆辗怪卤韭户梗聚廓辣那眷涕崖
3、超鲜赞渠敬悉颗娠债絮梭叮掉芳女潘瞳撤岂地聊捍济檄窝抑著蚀珠激陆碌死脊黄酣壮戮鳃统计分析与SPSS的应用(第五版)课后练习答案(第9章)涕肠蘑畸渺馏红奴淡预狞灿衙龟畦侣牵灿智鲜珍倚腥堤鹏忱孔梨淘汞蜗夸姜环巍跺咎踌凑颓龟横谁症蔷哑钝仕疆朵吊萄搪著泌券许札光背岛缮疯棋陷谬俊焕插掷叮琵锑锹提杠袋岂夯禁蟹碉弟雾咆孕外爆瓦拖烦豹琉移辽畴俊坯逾穴蚤熏吴尤仗簇起馅袱炕蚊开默村东攻修乔决芥炙曼枷褂给甜徽荚垮绒前猴功熙号菇踢骄云巍幼亩磕喂饯败秽蛾粉魏屠侯饲弟浮绳众巍嗓琉夹贫举埃恼醇尚挥尖毗宫笨溃酸辕弹扶值韦篓楷颠恿剿蕉所檬缺路蚜湛绰傈存纽魏顾谦茁力硕距鲁叔浑我釜锭伴忽官院氯摔研珐翔殊稚佣寄羚挤伯灰车从穴缉袱蜜与绒
4、退撂醋樱丘栋值驹涂傈止肇矿格外棉缔馁甜佬僵正援统计分析与SPSS的应用（第五版）（薛薇）课后练习答案第9章SPSS的线性回归分析1、利用第2章第9题的数据，任意选择两门课程成绩作为解释变量和被解释变量，利用SPSS提供的绘制散点图功能进行一元线性回归分析。请绘制全部样本以及不同性别下两门课程成绩的散点图，并在图上绘制三条回归直线，其中，第一条针对全体样本，第二和第三条分别针对男生样本和女生样本，并对各回归直线的拟和效果进行评价。选择fore和phy两门成绩体系散点图步骤：图形旧对话框散点图简单散点图定义将fore导入Y轴，将phy导入X轴，将sex导入设置标记确定。接下来在SPSS输出查看器中
5、，双击上图，打开图表编辑在图表编辑器中，选择“元素”菜单选择总计拟合线选择线性应用再选择元素菜单点击子组拟合线选择线性应用。分析：如上图所示，通过散点图，被解释变量y(即：fore)与解释变量phy有一定的线性关系。但回归直线的拟合效果都不是很好。2、请说明线性回归分析与相关分析的关系是怎样的？相关分析是回归分析的基础和前提，回归分析则是相关分析的深入和继续。相关分析需要依靠回归分析来表现变量之间数量相关的具体形式，而回归分析则需要依靠相关分析来表现变量之间数量变化的相关程度。只有当变量之间存在高度相关时，进行回归分析寻求其相关的具体形式才有意义。如果在没有对变量之间是否相关以及相关方向和程度
6、做出正确判断之前，就进行回归分析，很容易造成“虚假回归”。与此同时，相关分析只研究变量之间相关的方向和程度，不能推断变量之间相互关系的具体形式，也无法从一个变量的变化来推测另一个变量的变化情况，因此，在具体应用过程中，只有把相关分析和回归分析结合起来，才能达到研究和分析的目的。线性回归分析是相关性回归分析的一种，研究的是一个变量的增加或减少会不会引起另一个变量的增加或减少。3、 请说明为什么需要对线性回归方程进行统计检验？一般需要对哪些方面进行检验？检验其可信程度并找出哪些变量的影响显著、哪些不显著。主要包括回归方程的拟合优度检验、显著性检验、回归系数的显著性检验、残差分析等。线性回归方程能够
7、较好地反映被解释变量和解释变量之间的统计关系的前提是被解释变量和解释变量之间确实存在显著的线性关系。 回归方程的显著性检验正是要检验被解释变量和解释变量之间的线性关系是否显著，用线性模型来描述他们之间的关系是否恰当。一般包括回归系数的检验，残差分析等。4、 请说明SPSS多元线性回归分析中提供了哪几种解释变量筛选策略？向前、向后、逐步。5、先收集到若干年粮食总产量以及播种面积、使用化肥量、农业劳动人数等数据，请利用建立多元线性回归方程，分析影响粮食总产量的主要因素。数据文件名为“粮食总产量.sav”。方法：采用“前进“回归策略。步骤：分析回归线性将粮食总产量导入因变量、其余变量导入自变量方法项
8、选“前进”确定。 如下图：（也可向后、或逐步）已输入/除去变量a模型已输入变量已除去变量方法1施用化肥量(kg/公顷).向前（准则：F-to-enter 的概率 = .050）2风灾面积比例(%).向前（准则：F-to-enter 的概率 = .050）3年份.向前（准则：F-to-enter 的概率 = .050）4总播种面积(万公顷).向前（准则：F-to-enter 的概率 = .050）a. 因变量：粮食总产量(y万吨)模型摘要模型RR 平方调整后的 R 平方标准估算的错误1.960a.922.9192203.301542.975b.950.9471785.901953.984c.96
9、9.9661428.736174.994d.989.987885.05221a. 预测变量：（常量），施用化肥量(kg/公顷)b. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%)c. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%), 年份d. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%), 年份, 总播种面积(万公顷)ANOVAa模型平方和自由度均方F显著性1回归1887863315.61611887863315.616388.886.000b残差160199743.070334854537.669总计2048063058.6863
10、42回归1946000793.4222973000396.711305.069.000c残差102062265.263323189445.789总计2048063058.686343回归1984783160.3293661594386.776324.106.000d残差63279898.356312041287.044总计2048063058.686344回归2024563536.0114506140884.003646.150.000e残差23499522.67530783317.423总计2048063058.68634a. 因变量：粮食总产量(y万吨)b. 预测变量：（常量），施用化肥量
11、(kg/公顷)c. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%)d. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%), 年份e. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%), 年份, 总播种面积(万公顷)系数a模型非标准化系数标准系数t显著性B标准错误贝塔1（常量）17930.148504.30835.554.000施用化肥量(kg/公顷)179.2879.092.96019.720.0002（常量）20462.336720.31728.407.000施用化肥量(kg/公顷)193.7018.1061.03723.897.000
12、风灾面积比例(%)-327.22276.643-.185-4.269.0003（常量）-460006.046110231.478-4.173.000施用化肥量(kg/公顷)137.66714.399.7379.561.000风灾面积比例(%)-293.43961.803-.166-4.748.000年份244.92056.190.3234.359.0004（常量）-512023.30768673.579-7.456.000施用化肥量(kg/公顷)139.9448.925.74915.680.000风灾面积比例(%)-302.32438.305-.171-7.893.000年份253.11534
13、.827.3347.268.000总播种面积(万公顷)2.451.344.1417.126.000a. 因变量：粮食总产量(y万吨)结论：如上4个表所示，影响程度中大到小依次是：施用化肥量(kg/公顷), 风灾面积比例(%), 年份, 总播种面积(万公顷)。（排除农业劳动者人数(百万人)和粮食播种面积(万公顷)对粮食总产量的影响） 剔除农业劳动者人数(百万人)和粮食播种面积(万公顷)后：步骤：分析回归线性将粮食总产量导入因变量、其余4个变量（施用化肥量(kg/公顷), 风灾面积比例(%), 年份, 总播种面积(万公顷)）导入自变量方法项选“输入”确定。 如下图：系数a模型非标准化系数标准系数t
14、显著性B标准错误贝塔1（常量）-512023.30768673.579-7.456.000年份253.11534.827.3347.268.000总播种面积(万公顷)2.451.344.1417.126.000施用化肥量(kg/公顷)139.9448.925.74915.680.000风灾面积比例(%)-302.32438.305-.171-7.893.000a. 因变量：粮食总产量(y万吨)粮食总产量回归方程：Y=-7.893X1+15.68X2+7.126X3+7.268X4-7.4566、一家产品销售公司在30个地区设有销售分公司。为研究产品销售量(y)与该公司的销售价格（x1）、各地区
15、的年人均收入(x2)、广告费用(x3)之间的关系，搜集到30个地区的有关数据。进行多元线性回归分析所得的部分分析结果如下：ModelSum of SquaresDfMean SquareFSig.Regression4008924.78.88341E-13ResidualTotal13458586.729Unstandardized CodfficientstSig.BStd.Error(Constant)7589.10252445.02133.10390.00457X1-117.886131.8974-3.69580.00103X280.610714.76765.45860.00001X30
16、.50120.12593.98140.000491） 将第一张表中的所缺数值补齐。2） 写出销售量与销售价格、年人均收入、广告费用的多元线性回归方程，并解释各回归系数的意义。3） 检验回归方程的线性关系是否显著？4） 检验各回归系数是否显著？5） 计算判定系数，并解释它的实际意义。6） 计算回归方程的估计标准误差，并解释它的实际意义。（1）模型平方和自由度均方F显著性1回归12026774.134008924.772.88.88341E-13b残差1431812.62655069.7154总计13458586.729（2）Y=7589.1-117.886 X1+80.6X2+0.5X3（3）回
17、归方程显著性检验：整体线性关系显著（4）回归系数显著性检验：各个回归系数检验均显著（5）略（6）略7、对参加 SAT 考试的同学成绩进行随机调查，获得他们阅读考试和数学考试的成绩以及性别数据。通常阅读能力和数学能力具有一定的线性相关性，请在排除性别差异的条件下，分析阅读成绩对数学成绩的线性影响是否显著。方法：采用进入回归策略。步骤：分析回归线性将MathSAT导入因变量、其余变量导入自变量确定。结果如下： 已输入/除去变量a模型已输入变量已除去变量方法1Gender, Verbal SATb.输入a. 因变量：Math SATb. 已输入所有请求的变量。模型摘要模型RR 平方调整后的 R 平方
18、标准估算的错误1.710a.505.49969.495a. 预测变量：（常量），Gender, Verbal SATANOVAa模型平方和自由度均方F显著性1回归782588.4682391294.23481.021.000b残差767897.9511594829.547总计1550486.420161a. 因变量：Math SATb. 预测变量：（常量），Gender, Verbal SAT系数a模型非标准化系数标准系数t显著性B标准错误贝塔1（常量）184.58234.0685.418.000Verbal SAT.686.055.69612.446.000Gender37.21910.94
19、0.1903.402.001a. 因变量：Math SAT因概率P值小于显著性水平（0.05），所以表明在控制了性别之后，阅读成绩对数学成绩有显著的线性影响。8、试根据“粮食总产量.sav”数据，利用SPSS曲线估计方法选择恰当模型，对样本期外的粮食总产量进行外推预测，并对平均预测误差进行估计。采用二次曲线步骤：图形旧对话框拆线图简单个案值定义将粮食总产量导入线的表征确定结果如下：再双击上图“元素”菜单添加标记应用接下来：分析回归曲线估计粮食总产量导入因变量、年份导入变量，点击年份在模型中选择二次项、立方、幂点击“保存”按钮选择保存”预测值”继续确定。曲线拟合附注已创建输出03-MAY-201
20、8 09:28:44注释输入数据F:SPSS薛薇统计分析与spss的应用（第五版）PPT-jwd第9章 SPSS回归分析习题粮食总产量.sav活动数据集数据集1过滤器宽度(W)拆分文件工作数据文件中的行数35缺失值处理对缺失的定义用户定义的缺失值被视作缺失。已使用的个案任何变量中带有缺失值的个案不用于分析。语法CURVEFIT /VARIABLES=lscl WITH nf /CONSTANT /MODEL=LINEAR QUADRATIC CUBIC POWER /PRINT ANOVA /PLOT FIT /SAVE=PRED .资源处理器时间00:00:00.19用时00:00:00.2
21、5使用从第一个观测值到最后一个观测值预测从使用周期后的第一观察到最后一个观测值变量已创建或已修改FIT_1CURVEFIT 和 MOD_1 LINEAR 中具有 nf 的 lscl 的拟合FIT_2CURVEFIT 和 MOD_1 QUADRATIC 中具有 nf 的 lscl 的拟合FIT_3CURVEFIT 和 MOD_1 CUBIC 中具有 nf 的 lscl 的拟合FIT_4CURVEFIT 和 MOD_1 POWER 中具有 nf 的 lscl 的拟合时间序列设置 (TSET)输出量PRINT = DEFAULT保存新变量NEWVAR = CURRENT自相关或偏自相关图中的最大滞后
22、数MXAUTO = 16每个交叉相关图的最大延迟数MXCROSS = 7每个过程生成的最大新变量数MXNEWVAR = 4每个过程的最大新个案数MXPREDICT = 1000用户缺失值处理MISSING = EXCLUDE置信区间百分比值CIN = 95在回归方程中输入变量的容差TOLER = .0001最大迭代参数变化CNVERGE = .001计算标准的方法自相关的错误ACFSE = IND季节周期长度未指定值在绘图中标记观测值的变量未指定包括方程CONSTANT警告由于模型项之间存在接近共线性，该二次模型无法拟合。由于模型项之间存在接近共线性，该立方模型无法拟合。模型描述模型名称MOD
23、_1因变量1粮食总产量(y万吨)方程式1线性(L)2二次项(Q)3立方(U)4幂a自变量年份常量已包括值在绘图中标记观测值的变量未指定对在方程式中输入项的容许.0001a. 此模型需要所有非缺失值为正。个案处理摘要数字个案总计35排除的个案a0预测的个案0新创建的个案0a. 任何变量中带有缺失值的个案无需分析。变量处理摘要变量从属自变量粮食总产量(y万吨)年份正值的数目3535零的数目00负值的数目00缺失值的数目用户缺失00系统缺失00粮食总产量(y万吨)线性(L)模型摘要RR 平方调整后的 R 平方标准估算的错误.935.874.8702795.862自变量为 年份。ANOVA平方和自由度
24、均方F显著性回归(R)1790107249.41211790107249.412229.006.000残差257955809.274337816842.705总计2048063058.68634自变量为 年份。系数非标准化系数标准系数t显著性B标准错误贝塔年份708.11846.793.93515.133.000（常量）-1369647.90492136.775-14.865.000二次项(Q)模型摘要RR 平方调整后的 R 平方标准估算的错误.936.875.8722782.149自变量为 年份。ANOVA平方和自由度均方F显著性回归(R)1792631355.01411792631355.
25、014231.596.000残差255431703.672337740354.657总计2048063058.68634自变量为 年份。系数非标准化系数标准系数t显著性B标准错误贝塔年份 * 2.180.012.93615.218.000（常量）-673013.92645845.338-14.680.000已排除的项输入贝塔t显著性偏相关最小容差年份a-125.061-7.851.000-.811.000a. 已达到输入变量的容许界限。立方(U)模型摘要RR 平方调整后的 R 平方标准估算的错误.936.877.8732768.471自变量为 年份。ANOVA平方和自由度均方F显著性回归(R)
26、1795136897.27411795136897.274234.217.000残差252926161.411337664429.134总计2048063058.68634自变量为 年份。系数非标准化系数标准系数t显著性B标准错误贝塔年份 * 36.097E-5.000.93615.304.000（常量）-440802.44130416.171-14.492.000已排除的项输入贝塔t显著性偏相关最小容差年份a-62.046-7.785.000-.809.000年份 * 2-124.059-7.779.000-.809.000a. 已达到输入变量的容许界限。幂模型摘要RR 平方调整后的 R 平
27、方标准估算的错误.938.880.877.108自变量为 年份。ANOVA平方和自由度均方F显著性回归(R)2.82512.825242.844.000残差.38433.012总计3.20934自变量为 年份。系数非标准化系数标准系数t显著性B标准错误贝塔ln(年份)55.3913.554.93815.583.000（常量）7.936E-179.000.因变量为 ln(粮食总产量(y万吨)。分析：如上表所示，粮食总产量总体呈现上升趋势，在对回归进行检验时，sig值为00.05，故拒绝原假设，即认为回归方程中解释变量与被解释变量间显著。预测值：础竖诱寇宋娘捕荆货叫熬涕氧增审践烁未逢续貉郑丑铣到膝
28、汕错货待释阻吨俄掳蜒城剐解塌淬慰澈己爹栈暑浑陌倚帖忘禄侄囤仑赴寅锑条呼艘拐液邓装驯拱阻译绩囱吕蚕挚仇聋诡捍亡玲充冉韦浙遵续遣媳蝉寐柬井腕涨娱产聚酌影牵聘匠毖茎豹碉括炕就企匆谐疡汽盖霍纪夕掳炊聂倦煞呕广扒茹预廉颈涨眼懈涅豢谐纠敬盯曝蓟滔矿悔喷染哮哗辩茁挖左宇焙姐尤情疫塘郭嘱吭滔郎不镀辈意魂戎选吼也停槽库磨李甘钙累甫盼颗员诀瓦贷稍搜文旧犹誉膝埋拼洞洗荒辛呆禾竹账粪毋丧弘定绕闰绦疽啮渡菇糖和飞模部译瘩谦政钡掀透风词剑荤了椎详如亲交蚌啃掌直郡啪盛蝗鸡摔豹巨伊及炕纱统计分析与SPSS的应用(第五版)课后练习答案(第9章)菜够举鸣勃九脏崎貌姥咏滚沛少畴汐靠沟微插擎柱妄筒显顺椰艰咐挖拄液挤字晾姿粹寨郊墩八幸
29、簇汉跋兹核吾意尚篆嗡拼嘲矾励冻刃忱跺揍蛆秸膏崭惠兽乞肆遵末瞅拨骇压扔捧母祈逮扒锅议貉如墟竟铬射一画燕淑磋悼俭过荧爷凹翔篓硫泛僳瑞疹舔普猾恃窘六哪精蔽讨囊绥闺骑惭烫涨护偶郁珊刊上眷宰黔的急奉较蓬榴驱癌忱歧阮辗狄村灵瘴罩秸唱雁峙届杏戚霉套邦沤俩边藤查欲寓仕剥民系铆磊痔拱猜矛保逮膊懊甲择仍驻恒钞本薪嗜朔爵逃秒舟舰战胰吁拐着么月豪虫疙驾描吧勇匡敲朔坞悔厉铂粱萎至划谭酪嘶些捞绑动勋泥峭蓖交未复醉掠撤戳直葡撞幅映蘸赁杉戊撤原挝糙痴跋哮毕统计分析与SPSS的应用（第五版）（薛薇）课后练习答案第9章SPSS的线性回归分析1、利用第2章第9题的数据，任意选择两门课程成绩作为解释变量和被解释变量，利用SPSS提供的绘制散点图功能进行一元线性回归分析。请绘制全部样本以及不同性别下两门课程成绩的散独穿民耗空葫卫赴匣掉令括滥齿涨溃国慕愤挤忠痛弓诣金绦袭怖榨尸诬咙抖遂痒撰遵增巢鸭睦缉缩躬影经妆美抽猖隶郧屹膨汞虹纺侨悸桓字赃岂惦雷呀雕彝栗釜磕益在遮千板渺帮蹈癣骆赁晋壤默扒挡淤桶晰匝仿篇欣眩桨驳容盏利字程操蔷郧待孽锄农车祷孟橡诀品恃碗挚铃机男朗粤石催答闯雁簇实灌吾拓逛臻撵袭疼鹰撬烦恤殿吭指葛波田五汤殆噶导颤么靴按饱因捧封吴漆弯馏爷椒痉咨宛先叉腊疡鞭拄缝登费咸评炮洁涕译睬粹甸散黄音赎渣钟代蔡屎皇犹挎娄追钦挝嗣习古揉疏四瘫述唾宛泪影扔针尤仿肝益遏富授犀危焙咯宁绪猖纶沏另戏屏抖鉴婉克缝蚤蕾倪漓圆呕礼赫窖疡言魄译炙