资源描述：
《spss思考与练习解析》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、1、（1）操作：分析-回归-线性，因变量y,自变量x1，x2-确定。得方程y=209.875+0.292x1-87.647x2。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)209.87567.3503.116.010x1.292.089.3563.286.007x2-87.64712.443-.763-7.044.000a.因变量:y（2）对回归方程的显著性检验：采用P值法做检验，提出原假设H0：β1=β2=0，构造统计量F=，p是自变量个数此时是2，n是样本个数14。F服从分布：F~F（2,11）。Anov
2、ab模型平方和df均方FSig.1回归46788.618223394.30942.155.000a残差6104.59611554.963总计52893.21413a.预测变量:(常量),x2,x1。b.因变量:y从上图最后两列看出，在显著性水平α=0.05的条件下，p值=sig<α，从而拒绝原假设，即在显著性水平α=0.05的条件下，认为y与x1，x2有显著的线性关系。对回归系数的显著性检验：采用P值法做检验，提出原假设H0：βi=0（i=1,2），构造统计量，其中。系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量
3、)209.87567.3503.116.010x1.292.089.3563.286.007x2-87.64712.443-.763-7.044.000a.因变量:y从上图最后两列看出，在显著性水平α=0.05的条件下，ti（i=1,2）值（即看p值=sig<α），从而拒绝原假设，即在显著性水平α=0.05的条件下，认为xi（i=1,2）对因变量y的线性效果显著。（3）操作：分析-回归-线性，因变量y,自变量x1，x2-统计量-回归系数-置信区间、估计。得到βi的1-α的置信区间为（）系数a1模型非标准化系数标准系数tSig.B的
4、95.0%置信区间B标准误差试用版下限上限1(常量)209.87567.3503.116.01061.639358.111x1.292.089.3563.286.007.096.488x2-87.64712.443-.763-7.044.000-115.034-60.261a.因变量:yβ1的置信水平为0.95的置信区间是（0.096,0.488）；β2的置信水平为0.95的置信区间是（-115.034，-60.261）；（4）回归方程的复相关系数=0.885，比较接近1，说明回归方程拟合效果较好。模型汇总模型RR方调整R方标准估
5、计的误差1.941a.885.86423.55766a.预测变量:(常量),x2,x1。（5）操作：先把待预测的数据输入表格，分析-回归-线性，因变量y,自变量x1，x2，保存-预测值、残差项选择“未标准化”-预测区间（“均值”）。得到E（y）的点估计值是165.9985，置信水平为0.95的置信区间是（150.61813,181.37887）3、（1）操作：分析-回归-线性，因变量y,自变量x，确定。得方程y=0.004x-0.831。模型汇总模型RR方调整R方标准估计的误差1.839a.705.6991.57720a.预测变量
6、:(常量),x。Anovab模型平方和df均方FSig.1回归302.6331302.633121.658.000a残差126.866512.488总计429.49952a.预测变量:(常量),x。b.因变量:y系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)-.831.442-1.882.065x.004.000.83911.030.000a.因变量:y（2）诊断该问题是否存在异方差性，两种方法。残差图法：分析-回归-线性，因变量y,自变量x。保存-残差、预测值-未标准化。得到残差值：图形-旧对话框-散点-简单
7、分布-定义-y轴是e（RES_1），x轴是（PRE_1）-确定：从残差图看出误差项具有明显的异方差性，因为误差随x轴增加呈现明显的增加态势。第二种方法：等级相关系数法操作：分析-回归-线性，因变量y,自变量x。保存-残差-未标准化。求
8、ei
9、：转换-计算变量-如图-确定：然后，分析-相关-双变量-操作如图：得到结果：相关系数e绝对值xSpearman的rhoe绝对值相关系数1.000.318*Sig.（双侧）..021N5353x相关系数.318*1.000Sig.（双侧）.021.N5353*.在置信度（双测）为0.05时，相关
10、性是显著的。用SPSS软件进行等级相关系数的检验，计算出等级相关系数为0.318，p值=0.021<0.05，认为
11、ei
12、与自变量xi显著相关，存在异方差。（2）如果存在异方差性，用幂指数型的权函数建立加权最小二乘回归方程。分析-回归-权重估计-设
