线性回归分析实验报告

《线性回归分析实验报告》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、实验一：线性回归分析实验目的：通过木次试验掌握回归分析的基木思想和基木方法，理解最小二乘法的计算步骤，理解模型的设定T检验，并能够根据检验结果对模型的合理性进行判断，进而改进模型。理解残差分析的意义和重要性，会对模型的回归残差进行正态型和独立性检验，从而能够判断模型是否符合回归分析的基本假设。实验内容：用线性回归分析建立以高血压作为被解释变量，其他变量作为解释变量的线性回归模型。分析高血压与其他变量之间的关系。实验步骤：1、选择File

2、Open

3、Data命令，打gaoxueya.sav图1-1数据集gaoxueya的部分数据2、

4、选择Analyze

5、Regression

6、Linear...命令,弹出LinearRegression（线性回归）对话框，如图1・2所示。将左侧的血压（y）选入右侧上方的Dependent因变量）框屮，作为被解释变量。再分别把年龄（xl）、体重（x2）、吸烟指数（x3）选入Independent（自变量）框中，作为解释变量。在Method（方法）下拉菜单中，指定自变量进入分析的方法。图1-2线性回归分析对话框3、单击Statistics按钮，弹出LinearRegression:Statistics（线性回归分析：统计量）对话框，

7、如图1-3所示。1-3线性回归分析统计量对话框4、单击Continue回到线性回归分析对话框。单击Plots,打开LinearRegression:Plots（线性回归分析：图形）对话框，如图1-4所示。完成如下操作。图1-4线性回归分析：图形对话框5、单击Continue,回到线性回归分析对话框，单击Save按钮，打JFLinearRegression；Save对话框，如图1-5所示。完成如图操作。图1-5线性回归分析：保存对话框6、单击Continue，回到线性回归分析对话框，单击Options按钮，打开LinearRegre

8、ssion；Options对话框，如图1-6所示。完成如下操作。图1-6线性回归分析选项对话框7、单击Continue•回到线性回归分析对话框，然后单击0K,进入计算分析。实验结论:图-7给出了基本的描述性统计量，图中显示各个变量的全部观测量的Mean（均值）、Std.Deviation（标准差）和观测量总数N。图1-8给出了相关系数矩阵表，其中显示4个自变量两两间的Pearson相关系数,以及相关关系等于0的假设的单位显著性检验概率。MeanStd.DeviationN血压1.4444E214.3030332吸烟.5312.50

9、70132年龄53.43756.8905632体重指数3.53484.78275532DescriptiveStatistics图1-7描述性统计量表血压吸烟年龄体重指数Pearson血压1.000.243.818.659Correlatio吸烟.2431.000-.115.069n年龄.818-.1151.000.621体重指数.659.069.6211.000Sig.血压•.090.000.000(1-tailed)吸烟.090•.266.354年龄.000.266•.000体重指数.000.354.000•N血压323232

10、32吸烟32323232年龄32323232体重指数32323232Correlations图1$相关系数矩阵从表中看到因变显血压与自变量年龄、体重系数的相关系数依次为0.818.0.659,反应高血压与年龄、体重系数具有显著的相关关系。说明年龄和体重系数对人是否患高血压有显著影响。相比而言，吸烟这个自变量与因变量血压之间的相关系数较小，仅为0.243,说明他们之间的线性关系不显著。说明吸烟对人是否患高血压不具显著影响。此外年龄与体重系数相关系数为0.621,说明年龄与体重系数之间存在显著性相关关系。图7-9给出了进入模型和被剔除

11、的变量的信息，从表中我们可以看出，3个自变量都进入模型，说明我们的解释变量都是显著并且是有解释力的。VariablesEntered/RemovedbModelVariablesEnteredVariablesRemovedMethod1体重指数，吸烟，年龄a•Entera.Allrequestedvariablesentered.b.DependentVariable:血fR图1.9变量进入

12、剔除信息表图1-10给出了模型整体拟合效果的概述，模型的拟合度系数为0.895,反映了因变量与自变量之间具有高度显著的关系。ModelSu

13、mmary6ModelRRSquareAdjustedRSquareStd.ErroroftheEstimateDurbin-Watson1,895a.801.7806.706361.213a.Predictors:(Constant),体重指数，