实验八SPSS回归分析.doc

实验八SPSS回归分析.doc

ID:50961533

大小:2.04 MB

页数:16页

时间:2020-03-16

实验八SPSS回归分析.doc_第1页
实验八SPSS回归分析.doc_第2页
实验八SPSS回归分析.doc_第3页
实验八SPSS回归分析.doc_第4页
实验八SPSS回归分析.doc_第5页
资源描述:

《实验八SPSS回归分析.doc》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、实验八SPSS回归分析课程名称:SPSS统计分析软件年级:11级实验日期:2014/05/05姓名:闫军学号:1115115327班级:数据库1班实验名称:SPSS回归分析教师评语(成绩):一、实验目的及要求掌握线性回归分析的基本思想和具体操作,能够读懂分析结果,并写出回归方程,对回归方程进行各种统计检验。二、实验主要内容为了了解某地母亲身高x与女儿身高Y的相关关系,随机测得10对母女的身高(见下表)。利用SPSS软件,完成以下任务:1.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;2.试对x与Y进行一元线性回归分析,列出一元线性回归预测模型;3.预测当母亲身高为1

2、61cm时女儿的身高?母亲身高(cm)159160160163159154159158159157女儿身高(cm)158159160161161155162157162156三、实验仪器设备Windows7系统,系统管理员身份,SPSS软件产品四、实验步骤1.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;①编辑变量并录入数据②选择菜单的图形→旧对话框→散点/点状③选择点单分析并点击“定义”④将变量“女儿身高”、“母亲身高”依次选入Y轴和X轴,单击“确定”按钮⑤得到表格2.试对x与Y进行一元线性回归分析,列出一元线性回归预测模型;①点击分析→回归→线性②在左侧变量框中

3、选择“女儿身高”,选入右上方“因变量”框中,作为模型的被解释变量。再选择“母亲身高”,选入右下方的“自变量”框中,作为模型的解释变量。③单击“统计量”按钮,弹出“线性回归:统计量”对话框,并在“回归系数”框中选择“估计”,在“残差”框中选择“Durbin-Watson”④单击“继续”按钮回到线性回归分析对话框,单击“绘制”按钮,打开“线性回归分析:图形”对话框,从左边变量框中选择变量决定绘制何种散点图,这里分别把因变量(DEPENDNT)和标准化残差(ZRESID)选为Y和X轴来进行绘图,通过观察残差图我们可以验证回归模型是否符合经典回归模型的基本假设。⑤单击“继续”按钮,回到线

4、性回归分析对话框,单击“保存”按钮,打开“线性回归分析:保存”对话框,选择此对话框的选项,可以决定将预测值、残差或其他诊断结果值作为新变量保存于当前工作文件或保存到新文件。在“预测值”框中选择“标准化”和“未标准化”的预测值⑥单击“继续”按钮,线性回归分析对话框,单击“选项”按钮,打开“线性回归分析:选项”对话框,进行选择⑦单击“继续”按钮,回到线性回归分析对话框,然后单击“确定”按钮,得出结果。3.预测当母亲身高为161cm时女儿的身高?由以上分析,先对x与y作相关性检验①做统计假设:x与y不具有线性相关关系;②有小概率0.05与n-2=8在附表中查得r0.05=0.632③所

5、以④,即,所以有95%的把握认为x与y之间有线性相关关系,去求回归直线方程是有意义的。回归系数所以Y对x的回归直线方程是回归系数0.78反映母亲身高每增加1cm时,女儿身高平均增加0.78cm。可以解释为女儿身高不受母亲身高变化影响的部分。当x=161时,也就是说当母亲身高为161cm时女儿身高大致也接近161cm五、实验小结线性回归是利用数理统计中的回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。分析按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。方便得出数据的发展趋势,作用很大。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。