SPSS回归分析实训指导.doc

SPSS回归分析实训指导.doc

ID:59252530

大小:206.50 KB

页数:9页

时间:2020-09-08

SPSS回归分析实训指导.doc_第1页
SPSS回归分析实训指导.doc_第2页
SPSS回归分析实训指导.doc_第3页
SPSS回归分析实训指导.doc_第4页
SPSS回归分析实训指导.doc_第5页
资源描述:

《SPSS回归分析实训指导.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、山东英才学院实训报告小组成员:王连群、李晓聪、程焕、宫恩麟、于彬、曹亮亮班级:本科市场营销1401班实训地点:商-5002实训时间:2016-06-17指导老师:尹晓宇实训项目:Spss回归分析实训内容:回归分析1、相关系数2、一元线性相关分析3、多元线性相关分析实训步骤与结果:6.2解:(1)先做散点图Graphs→Scatter/Dot→SimpleScatterplot,将y选入YAxis,将x选入XAxis;图6-2-1图6-2-1显示的是航班正点率和投诉率的散点图,由图形可以看出两者大致呈

2、线性关系。因此以航班正点率为自变量,投诉率为因变量建立线性回归模型。(2)计算相关系数Analyze→Correlate→BivariateCorrelations,将y和x选入Variables,选中Person,Two-tailed和Flagsignificantcorrelations。表6-2-1Correlationsx航班正点率%y投诉率(次/10万名乘客)x航班正点率%PearsonCorrelation1-.883Sig.(2-tailed).002N99y投诉率(次/10万名乘客)

3、PearsonCorrelation-.8831Sig.(2-tailed).002N99.Correlationissignificantatthe0.01level(2-tailed).表6-2-1是自变量和因变量的相关分析表,两者的Pearson相关系数为-0.883,显著性概率为0.002<0.01,线性相关性显著。(3)进行一元线性回归Analyze→Regression→LinearRegression,将y选入Dependent,将x选入Independent(s)。表6-2-2ANO

4、VAbModelSumofSquaresdfMeanSquareFSig.1Regression.6381.63824.674.002aResidual.1817.026Total.8198a.Predictors:(Constant),x航班正点率%b.DependentVariable:y投诉率(次/10万名乘客)表6-2-3CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBet

5、a1(Constant)6.0181.0525.719.001x航班正点率%-.070.014-.883-4.967.002a.DependentVariable:y投诉率(次/10万名乘客)表6-2-2是回归模型的方差分析表,F值为24.674,显著性概率是0.002<0.05,从而拒绝原假设,认为解释变量和因变量之间的线性关系非常显著,可以建立线性模型。表6-1-4是回归模型的回归系数表,回归系数的显著性检验统计量t统计量的值为-4.967,对应的显著性水平Sig.=0.002<0.05,认为方

6、程显著,因此可以得出建立的回归模型为:(4)预测在X列中输入80,Analyze→Regression→LinearRegression,在save选项中PredictedValues下选中Unstandardized,在PredictedIntervals同时选中Mean和Individual。数据文件中将输出非标准化的预测值及均值和个体值的预测区间。如果航班正点率为80%,用回归方程预测的投诉率为0.38468,均值95%的预测区间为(0.15071,0.61865),个体值95%的预测区间为(

7、-0.06180,0.83116),由于投诉率>0,所以个体值95%预测区间应为(0,0.83116)。因此,如果航班正点率为80%,每10万名乘客投诉的次数为38468次,均值95%的预测区间为(15071,61865),个体值95%的预测区间为(0,83116)。6.1解:(1)对因变量和解释变量进行相关性分析,Analyze→Correlate→BivariateCorrelations,将y、x1、x2、x3、x4和x5选入Variables,选中Person,Two-tailed和Flag

8、significantcorrelations。表6-1-1是相关分析的结果:民航客运量与国民收入、消费额、民航航线里程和来华旅游入境人数相关系数较高,相关性显著,Sig.(1-tailed)=0.000<0.01,而民航客运量与铁路客运量相关系数较低,仅为0.266,Sig.(1-tailed)=0.160>0.01,相关性不显著。表6-1-1Correlations民航客运量国民收入(亿元)消费额(亿元)铁路客运量(万人)民航航线里程(万公里)来华旅游入境人数(万

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。