实验八SPSS回归分析.docx
- 文档编号:17407762
- 上传时间:2023-04-24
- 格式:DOCX
- 页数:16
- 大小:1.68MB
实验八SPSS回归分析.docx
《实验八SPSS回归分析.docx》由会员分享,可在线阅读,更多相关《实验八SPSS回归分析.docx(16页珍藏版)》请在冰豆网上搜索。
实验八SPSS回归分析
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161cm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=0.632
③
所以
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。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 实验 SPSS 回归 分析