第7章相关与回归分析.doc

《第7章相关与回归分析.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、第七章相关与回归分析【例】有10个企业生产某种产品，月产量和生产费用的数据如表所示：10个企业月产量和生产费用数据企业编号月产量（千吨）（）生产费用（万元）（）11.26222.08633.18043.811055.011566.113277.213588.016099.71681010.3180要求：（1）进行相关性分析；（2）建立一元线性回归方程；（3）对一元线性回归方程进行统计学检验。【解】第一步：画散点图。打开数据文件data07-1.sav，选择Graphs→LegacyDialogs→Scatter/Dot→SimpleScatter→Define→将

2、月产量和生产费用两个变量分别送入轴框中和轴框中→Ok，结果如图所示：由图可看出：10个企业的月产量和生产费用之间大致呈一条直线，两者之间可建立一元线性回归模型。第二步：计算相关系数。打开数据文件data07-1.sav，选择Analyze→Correalate→Bivariate→将月产量和生产费用两个变量送入Variables框中→Ok，输出结果如表所示：月产量和生产费用之间的相关分析表月产量生产费用月产量PearsonCorrelation1.983**Sig.(2-tailed).000N1010生产费用PearsonCorrelation.983**1Si

3、g.(2-tailed).000N1010**.Correlationissignificantatthe0.01level(2-tailed).由表7-2可看出：10个企业的月产量和生产费用之间的单相关系数为0.983，说明两者之间呈高度正相关关系，可建立一元线性回归模型。第三步：建立一元线性回归模型。打开数据文件data07-1.sav，选择Analyze→Regression→Linear→将月产量和生产费用两个变量分别送入Independent框中和Dependent框中→Ok，得到回归估计的结果。Spss软件得到的回归估计的结果主要包括回归估计、方差分析

4、和回归系数估计三个部分，具体如表7-3、7-4、7-5所示：表7-3回归估计结果表ModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.983a.966.9617.76794a.Predictors:(Constant),月产量表7-4方差分析结果表ModelSumofSquaresdfMeanSquareFSig.1Regression13556.873113556.873224.672.000aResidual482.727860.341Total14039.6009a.Predictors:(Constant

5、),月产量b.DependentVariable:生产费用表7-5回归系数估计表ModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta1(Constant)53.4345.23910.199.000月产量12.299.821.98314.989.000a.DependentVariable:生产费用从输出的回归系数估计表中的Coefficient可以得到估计的常数项为53.434，估计的斜率为12.299，即估计的一元线性回归方程为：（1）判定系数为；（2）一元回归方程的

6、显著性检验＞回归方程显著（1）回归系数的显著性检验回归系数显著这说明所建立的一元线性回归方程在0.05的显著性水平下通过了统计学检验，统计学检验即拟合优度检验、t检验和F检验，也说明所建立的回归方程比较好。从所建立的回归方程可以看出：10个企业的月产量每增加1千吨，生产费用将平均增加12.299万元。