中南財大-SPSS-實驗報告-5

1、統(tǒng)計分析軟件實驗報告實驗序號：B0901152-5實驗項目名稱：相關(guān)與回歸分析學(xué) 號實驗地點文波機(jī)房姓 名指導(dǎo)教師楊超專業(yè)、班時間20131024一、實驗?zāi)康募耙髮嶒災(zāi)康?(1) 掌握相關(guān)分析的主要內(nèi)容和方法;(2) 掌握回歸分析的主要方法和步驟。實驗要求:(1) 了解雙變量的相關(guān)分析過程、偏相關(guān)分析過程;(2)掌握線性回歸過程、曲線配合過程、二項邏輯回歸分析過程、概率回歸過程以及非線性回歸分析過程等。(3) 對各種回歸輸出結(jié)果作出正確的解釋說明，進(jìn)一步了解回歸分析的基本步驟，明確各項檢驗的目的。二、實驗設(shè)備(環(huán)境)及要求微型計算機(jī)，SPSS EViews等統(tǒng)計分析軟件三、實驗內(nèi)容與數(shù)據(jù)來源

2、1.現(xiàn)有某省19962011年全社會固定資產(chǎn)投資總額INV和GDP?個指標(biāo)的年度數(shù)據(jù)，見下表。試分析全社會固定資產(chǎn)投資總額和 GD的相互關(guān)系，并建立全社會固定資產(chǎn)投資總額和GD之間的線性回歸方程。某省全社會固定資產(chǎn)投資和GD年度數(shù)據(jù)年份GDP億元)INV (億元)年份GDP(億元)INV (億元)1996509.44120.3820042195.75231997614.07144.7120052647.16684.141998682.8114.5120062993667.391999744.44121.2420073118.1796.92000833.3156.3920083326.8883.

3、92001997.7234.420093691.881012.220021278.28324.58201039831174.320031694.42422.1820114140.9413482 收集某地區(qū)城鎮(zhèn)居民家庭人均收入 （X）和城鎮(zhèn)儲蓄（Y）兩個變量（2000年至2011年）數(shù)據(jù)如下表:某地區(qū)2000年至2011年城鎮(zhèn)居民家庭人均收入和城鎮(zhèn)儲蓄年份200020012002200320042005城鎮(zhèn)人均收城鎮(zhèn)儲蓄城鎮(zhèn)人均收X（元）685.30827.90916.001119.401260.701387.30丫（億元）1057.201471.502067.602659.203734.805

4、192.60年份200620072008200920102011X（元）1544.301826.102336.503179.203892.904377.20城鎮(zhèn)儲蓄丫（億元）6790.908678.1011627.3016702.8023466.7030850.20試對城鎮(zhèn)居民家庭人均生活費收入與城鎮(zhèn)儲蓄兩變量配合恰當(dāng)?shù)那€方程。3. 一家大型商業(yè)銀行在多個地區(qū)設(shè)有分行， 為弄清楚不良貸款形成的原因, 抽取了該銀行所屬的25家分行2002年的有關(guān)業(yè)務(wù)數(shù)據(jù),如下表:（1）試建立不良貸款y與貸款余額x1、累計應(yīng)收貸款x2、貸款項目個數(shù) x3和固定資產(chǎn)投資額x4的線性回歸方程，說明回歸方程式和各回歸

5、系數(shù)在 0.05水平上是否顯著，并解釋各回歸系數(shù)的含義;（2）檢驗?zāi)Ｐ椭械亩嘀毓残跃€，并用逐步篩選變量的方法改進(jìn)上述方程。分行不良貸款各項貸款余本年累計應(yīng)收貸款項目個本年固定資產(chǎn)投編號（億元）額（億元）貸款（億元）數(shù)（個）資額（億元）10.967.36.8551.921.1111.319.81690.934.8173.07.71773.743.280.87.21014.557.8199.716.51963.262.716.22.212.271.6107.410.71720.2812.5185.427.11843.891.096.11.71055.9102.672.89.11464.3110.3

6、64.22.11142.7124.0132.211.22376.7130.858.66.01422.8143.5174.612.726117.11510.2263.515.634146.7163.079.38.91529.9170.214.80.6242.1180.473.55.91125.3191.024.75.0413.4206.8139.47.22864.32111.6368.216.832163.9221.695.73.81044.5231.2109.610.31467.9247.2196.215.81639.7253.2102.212.01097.1四、實驗步驟與結(jié)果問題一:【操作步

7、驟】1. 錄入數(shù)據(jù)。將文件數(shù)據(jù)復(fù)制到excel文件，調(diào)整為三縱列后，復(fù)制粘貼到SPSS軟件中的數(shù)據(jù)視圖中。切換到變量視圖，對變量名稱、數(shù)據(jù)類型設(shè)置后,如圖1所示:5n K3言同© E3 QI卑IIIMV i充雖1139f£0勺1加21397fi1414=31990esj115斗113997441215'20000331蒯162001&«23-172002如325e 1230316U4229'20042196&2310?00f-2的53411ZJUt衛(wèi)的3&6Z1220073116797門20063327B34IDiy徹214

8、2DU9ZkfEM SPSS SIsLstcs =0弟55ar甜圖1數(shù)據(jù)視圖2. 選擇“分析”-“相關(guān)”-“雙變量”命令，在“雙變量相關(guān)”對話框的左側(cè)列表框中，同時選中“GDP和“INV”并單擊中間的向右箭頭，使之進(jìn)入“變量”列表框。建年飴晶GDP 虧INV變量凹： 送項 Rootstf型旳相矣第數(shù)呈 Pearson Kendall Sti tau-bK) C Spearman覲著性檢驗眼剛檢驗（?。﹩蝹?cè)檢驗也）V標(biāo)記顯著性相矣（E）確走両i引gg遲）喬耶助圖2雙變量相關(guān)對話框3. 選擇相關(guān)系數(shù)。在“雙變量相關(guān)”對話框內(nèi)“相關(guān)系數(shù)”選項組中選擇P earson，此處為系統(tǒng)默認(rèn)值。4.設(shè)定顯著性

9、檢驗的類型。在“顯著性檢驗”選項組中，我們選擇“雙側(cè)檢驗”單選按鈕，此處亦為系統(tǒng)默認(rèn)值?？?。5.選擇是否標(biāo)記顯著性相關(guān)。此處選擇默認(rèn)值,即“標(biāo)記顯著性相關(guān)”復(fù)選6.選擇相關(guān)性統(tǒng)計量輸出和缺失值的處理方法。單擊“雙變量相關(guān)”對話框中的“選項”按鈕，在“統(tǒng)計量”選項組中首先選中“均值和標(biāo)準(zhǔn)差”，然后選中“叉積偏差和標(biāo)準(zhǔn)差”，輸出各對變量的交叉積以及協(xié)方差陣。在“缺失值” 選項組中選中“按對排除個案”。如圖 3所示:臨計量a均值和標(biāo)準(zhǔn)差城失值®按對排降個峯CDO按列表排除個案(L)取湧H群助圖3 雙變量相關(guān)性7.設(shè)置完畢，單擊確定完成相關(guān)性分析的操作步驟。8.選擇“分析”-“回歸”-“線性

10、”命令，在“線性回歸”對話框的左側(cè)列表中，選中“ GDP并單擊使之進(jìn)入“因變量”列表框，選中“ INV”使之進(jìn)入“自變量”列表框。如圖4所示:緩性回e&年飴 jlNV因喪晝aP怏1的1b張，.廠目變量Q： l£lMV下一張吵進(jìn)入WLS權(quán)重廻Y確定粘貼巴重置遲川 取消圖4 線性回歸其他設(shè)置采用系統(tǒng)默認(rèn)值。單擊“確定”完成所有設(shè)置，等待輸出結(jié)果?！窘Y(jié)果分析】1. 描述性統(tǒng)計量表從表1中可以看出參與相關(guān)分析的兩個變量的樣本數(shù)據(jù)都是16,GDP勺均值是2090.69，標(biāo)準(zhǔn)差是1319.964 ； INV的均值是545.51，標(biāo)準(zhǔn)差是407.334.表1描述性統(tǒng)計量表Descripti

11、ve SlatisticsMeanQtd DeviationNGDP2090 691319.96416INV545.51407.334162. 相關(guān)分析結(jié)果表如表2所示，GDF和INV的相關(guān)系數(shù)是0.985，顯著性水平小于0.001，因 此小于0.01.所以GDP和INV的相關(guān)關(guān)系為正向，且相關(guān)性極強(qiáng)。表2 相關(guān)分析結(jié)果表CorrelationsGDPINVGDPPearson Correlation1,905"Sig. (24ailecl).000Sum ofSquares and Cross- products26134558,337343464.777Covariance1 7

12、42303.S8S529564.31 0N16INVPearson Correlationn K.9351Sig (2-tailed).000Sum of Squares and COSS-products734346477724S8S1 7.406Covariance529564.313165S21.160N1616*. Correlation is significant atthie 0.01 level (2*taited).3. 模型擬合情況如表3所示，模型的調(diào)整R方為0.968，說明模型的解釋能力非常強(qiáng)。表3模型匯總表Model SiirnmarvModelRR SquareAdj

13、usted R SquareStd. Error of the E slim ale1.985.970.960236.296a Predictors: (Constant), irw4. 回歸方程的系數(shù)以及系數(shù)的檢驗結(jié)果如表4所示，回歸方程的系數(shù)是各個變量的回歸方程中的系數(shù)值，sig值表示回歸系數(shù)的顯著性，越小越顯著。一般將其與0.05作比較，如果小于0.05,即為顯著。從表中可以看出，GDP和INV的相關(guān)系數(shù)為3.192，P值小于0.05，說明系數(shù)顯著。系數(shù)表CoefficientsMdelUnstandardied CoiiefficientsStandard ized Coefflcie

14、rlstSigBStd. ErrorBeta1(Constant)INV349.5943.192100.826.1509S53.46721.309.004.000a. Dependent Variable: GDP綜上，模型為 GDP=349.594+3.192*INA問題二:【操作步驟】1.錄入數(shù)據(jù)。將word中的數(shù)據(jù)復(fù)制到excel，并將數(shù)據(jù)調(diào)整為三縱列，再復(fù)制粘貼到SPSS勺數(shù)據(jù)視圖中。如圖5所示:馳離0 - IBM SPSS Stati* 1."III 11 1 1 1 1NPS 1 1 I 1 un 1 1 1 1 1IH 1 II6 :1可見：3竟量的3r年份收A儲嘗 _

15、變量 I£量1孌量1孌量1變量120006SS105712200111E2E1472320029'1i62DGS420031119265955004伽3735G200'5138761931117200615446791S2007182636789200823371162710009'317'9'167031120'1l0369323467121 2011143773D8S013i141+ r我磚欖雷孌柚視E4IBM SPSS Statistics Processor 就緒圖5 數(shù)據(jù)視圖2.選擇“分析”-“回歸”-“曲線估計”命令，在“曲

16、線估計”對話框的左側(cè)列表框中，選中收入并單擊右箭頭使之進(jìn)入“因變量”列表框，然后在“自 變量”選項組中選中“變量”，并選中儲蓄，單擊使之進(jìn)入該列表框。3.選擇所要使用的曲線類型。在“曲線估計”對話框中的“模型”選項組中,選中“線性”、“對數(shù)”、“立方”復(fù)選框。4. 選中“在等式中包含常量”和“根據(jù)模型繪圖”復(fù)選框。其他設(shè)置采取系統(tǒng)默認(rèn)值，如圖6所示:0變量也一咼收入自孌S孌量吵.碎O時間一.介家標(biāo)盛廻)：Bii複型保存匡)7程導(dǎo)式中包含當(dāng)晝a 7根據(jù)穆型繪圖IV緩性 I :二次項復(fù)合靭丨增母H) 1庫立育 &(S) 指數(shù)分布皇示AIM OVA表格老) 確定)紺貼£)重置遲J

17、取消幫助r 逆棋型迥 W： Logistic圖6曲線估計圖其他設(shè)置保持默認(rèn)值，單擊“確定”按鈕完成設(shè)置，等待結(jié)果輸出?！窘Y(jié)果分析】1. 模型情況表5是對模型情況的概述?？梢钥闯鋈吻€模型的R方最高，為0.997.表5 模型匯總和參數(shù)估計值Summary and Pawmeter EstimatesDependent Variable:收九EduaTionModel SummanfP aramgtmEstimalgwR SqudrsFdnd(2SigConstantMb2b3|jne.ar.朋35910.1 as110.000720.606.129Loganthmic.07S72.034110

18、.QOO-734J.0031061.063Cubic.097077.4273e.0006 4 E. 995.1272.e55E-DDS9.921 E-011The mdependenl arl3bl« is 訂點.2. 擬合曲線圖形表6是三條曲線的擬合情況，圖中的圓圈表示實際值，可以發(fā)現(xiàn)三次曲線的 擬合效果是最好的。圖7數(shù)據(jù)視圖2.選擇進(jìn)行多元線性回歸分析的因變量給以及自變量。在“線性回歸”對話框的左側(cè)列表框中，選中y并單擊第一個向右箭頭使之進(jìn)入“因變量”列表框,然后同時選中x1,x2,x3,x4，并單擊第二個向右箭頭使之進(jìn)入“自變量”列表框。如圖8下一哉卿自 XI護(hù)K22Sift

19、世 1：f一1送擇黑量.LxJ【-(1牛累桁2世1：LaJ II I -1 機(jī)Sflllf也.I確(疋1両匝1重a®H取洋網(wǎng)助圖8 線性回歸3.其他設(shè)置采用系統(tǒng)默認(rèn)值。單擊“確定”按鈕完成設(shè)置，等待結(jié)果輸出。再進(jìn)行多重共線性回歸分析。4.選擇進(jìn)行多重線性回歸分析的因變量給以及自變量。在“線性回歸”對話框的左側(cè)列表框中，選中y并單擊第一個向右箭頭使之進(jìn)入“因變量”列表框,然后同時選中x1,x2,x3,x4，并單擊第二個向右箭頭使之進(jìn)入“自變量”列表框,最后在“自變量”下方的“方法”下拉列表框中選擇“逐步”法進(jìn)行回歸。如圖:，回歸11 疥aIf- WLS®I .確定H柑貼Q陲匿

20、遲恥頁圖9線性回歸25. 其他設(shè)置采用系統(tǒng)默認(rèn)值。單擊“確定”按鈕完成設(shè)置，等待結(jié)果輸出。【結(jié)果分析】1模型擬合情況表表7給出了模型的擬合情況。從表中可以看出，R方為0.798,模型的擬合效果較好。表7 模型匯總Model SummaryMold elRR SquareAdj Sts d R SquareStd. Error of ttie Estimate1.的護(hù).7Qie7571.77'Rea. Predictors： (Constant), k4, x2. x3, x12.方差分析表表8給出了模型的方差分析結(jié)果?？梢园l(fā)現(xiàn) P值為0.000,模型非常顯著。表8方差分析表ANOVAM

21、odelSum ofSquaresdfMean SquareFSig.1RegressionResidualTotal249.37163.279312.650202462.3433.16419704000'a. Dependent Variable: yb. Prediciofs: (Constant, x4,x2, x3,)tl3. 回歸方程的系數(shù)以及系數(shù)的檢驗結(jié)果表9給出了模型的自變量系數(shù)，根據(jù) P值，變量x2、x3、x4不顯著，線性回歸模型表達(dá)式為:Y=-1.022+0.040x1+0.148x2+0.015x3-0.029x4表9 系數(shù)及系數(shù)檢驗結(jié)果CoefTicieiitsM

22、 OdellUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)-1.0'23.7£2J .306.206Xl.040010.&eii3.337.001x2.148.079.価1.079075k3.015.083.0i3i4.175.86i3，x4-.D29.015-.325，-1.937.0673. Dependent Variable: y4. 多重共線性模型擬合情況表表10給出了隨著變量的進(jìn)入依次形成的 2個模型的擬合情況?？梢园l(fā)現(xiàn)2個模型的調(diào)整R方

23、在遞增，模型擬合效果較好。表10 模型匯總Model SuinmaryModelRR SquareAdjustedlR SquareStd. Error of the Estimate1.84鏟712.6991.979'92.8727617391.342"3a. Predictors: (Constant), x1b. P re di ctors: (Constaiint), x1x45. 方差分析表表11給出了隨著變量的進(jìn)入依次形成的 2個模型的方差分析結(jié)果?？梢园l(fā)現(xiàn)P值都為0.000,模型非常顯著。表11方差分析表AN0V護(hù)ModelSum of SquaresdfMea

24、n SquareFSig.1Regression ResidualTotal222.43 臨90.164312.65012324233,4G63.'92056.754.0002Regression ResidualTotal337.94174.70'9312.650222241181 '9i713.39635 034.OOC*"3. Dependent Variable; yb. Predictors: (Constant), x1c. Predictors: (Constant), x1, x46. 回歸方程的系數(shù)以及系數(shù)的檢驗結(jié)果表12給出了隨著變量的進(jìn)入依次形成的 2個模型的自變量系數(shù)?？梢园l(fā)現(xiàn)第二個模型的各個變量都是非常顯著的。表12系數(shù)及系數(shù)的檢驗結(jié)果CoefficientsModelUnstandardized CoefficientsStandardized CoiefficientstSig0Std. ErrorBeta1(Constant)-.330.723-1.147.263Xl.038.005.8447.534.00