統(tǒng)計學課程實驗報告-2013.

1、課程實驗報告題目：社會經(jīng)濟統(tǒng)計學課程實驗學生姓名：學號：專業(yè)：會計學年級：2011 級學院：管理學院指導教師：杜德權教務處制實驗一： EXCEL 的數(shù)據(jù)整理與顯示一、實驗目的及要求：(一)目的1了解 EXCEL 的基本命令與操作、熟悉EXCEL 數(shù)據(jù)輸入、輸出與編輯方法；2熟悉 EXCEL 用于預處理的基本菜單操作及命令；3熟悉 EXCEL 用于整理與顯示的基本菜單操作及命令。( 二 ) 內容及要求1根據(jù)下面的數(shù)據(jù)。1.1 用 Excel 制作一張組距式次數(shù)分布表，并繪制一張條形圖( 或柱狀圖 ) ，反映工人加工零件的人數(shù)分布情況。從某企業(yè)中按隨即抽樣的原則抽出50 名工人，以了解該企業(yè)工人生

2、產狀況（日加工零件數(shù)）：1171081101121371221311181341141241251231271201291171261231281391221331191241071331341131151171261271201391301221231231281221181181271241251081121355091.2 整理成頻數(shù)分布表，并繪制直方圖。1.3假設日加工零件數(shù)大于等于130 為優(yōu)秀。二、儀器用具硬件：計算機（安裝Windows2003 、 Windows2007 或 Windows XP 或以上）軟件： EXCEL三、實驗原理統(tǒng)計中數(shù)據(jù)整理與顯示的相關理論。四、實驗方法

3、與步驟1點擊“數(shù)據(jù)”“透視圖”，選定區(qū)域為日加工零件數(shù)一列，輸出區(qū)域為空白地方，完成，修改一下形成。2點擊“圖表向導”“條形圖” ，數(shù)據(jù)區(qū)域為復制的數(shù)據(jù)，再修改系列、名稱、X 軸、 Y軸，完成，再修改一下圖表。3分組后，點擊“工具”“數(shù)據(jù)分析”“直方圖” ，輸入?yún)^(qū)域為體育一列，接受區(qū)域為分好的組，標志打鉤，輸出區(qū)域為空白地方，累計百分比和圖表輸出打鉤，完成，在對表和圖進行一系列的修改，形成所需要的表和圖。五、實驗結果與數(shù)據(jù)處1.150 名工人加工零件的人數(shù)分布表按零件數(shù)分組（個） 工人數(shù)（人） 工人數(shù)比重（%）100-11036110-1201326120-1302346130-1401020

4、140 及以上12合計5010050名工人加工零件的人數(shù)柱狀圖504030201000000上100-11110-12120-13130-14以0及14工人數(shù)（人）工人數(shù)比重（ %）1.250 名工人加工零件的人數(shù)頻數(shù)分布表組別頻數(shù)（人）頻率（ %）10-11036110-1201326120-1302346130-1401020140 及以上12合計50100工人加工零件分布情況直方圖601205010040803060頻數(shù)（人）頻率（ %）204010200010-110110-120120-130130-140140及以上合計1.3零件數(shù)（個）人數(shù)（人）1301113039優(yōu)秀率 =11

5、50100%=22%六、討論與結論該實驗主要是通過EXCEL 軟件的相關運用來對50 名工人的日零件加工數(shù)進行分析，首先是制作組距式分布表并繪制柱狀圖。相對而言，這部分的操作難度不是很大，通過對這50 個數(shù)據(jù)的觀察， 除了一個極端值外其余數(shù)據(jù)的分布都比較集中，最小值為107，最小值為139。我假設的組距為 10，則組數(shù) =全距組距 =32 10=3.2 組，化整可取為4組，另外將極端值 509 單獨歸入開口組。 然后通過統(tǒng)計數(shù)據(jù)便可的到每組的工人人數(shù)及其比重。在制作好的組距式分布表的基礎上便可很容易的繪制出柱狀圖。把分布表與柱狀圖結合起來，我們可以對工人的日零件加工數(shù)的分布情況有一個大致的了解

6、。其主要表現(xiàn)為集中分布在120-130 之間， 110-120 和 130-140 之間的分布大致持平，而兩端的數(shù)據(jù)都比較少。接下來是制作頻數(shù)分布表和繪制直方圖，這部分和上面的操作有很大類似的地方，并且通過這部分的操作我們可以更直觀的看出工人日加工零件數(shù)的分布情況。如果日加工零件數(shù)大于等于130 為優(yōu)秀，那么這50 個數(shù)據(jù)中符合條件的有11 個，對應的優(yōu)秀率為11 50100 =22 ，所以從優(yōu)秀率上看，這50 名工人的技能水平還有待提高。通過這個實驗的操作，我EXCEL 的基本命令與操作也有了一定的接觸，在某種程度上熟悉了 EXCEL 數(shù)據(jù)輸入、輸出與編輯方法，這是對我們平日的學習工作很有幫

7、助的。實驗二： EXCEL 的數(shù)據(jù)特征描述、抽樣推斷一、實驗目的及要求：(一)目的熟悉 EXCEL用于數(shù)據(jù)描述統(tǒng)計、列聯(lián)分析、多元回歸的基本菜單操作及命令。( 二 ) 內容及要求根據(jù)實驗1 的數(shù)據(jù)，（ 1）計算特征值； （ 2）判斷該企業(yè)職工的平均日加工零件數(shù)及優(yōu)秀率的區(qū)間；（ 3）假設檢驗（如果以往該企業(yè)的工人日加工零件數(shù)為115 ，優(yōu)秀率為5% ，顯著性水平為5% ）。二、儀器用具硬件：計算機（安裝Windows2003 、 Windows2007 或 Windows XP 或以上）軟件： EXCEL三、實驗原理統(tǒng)計中數(shù)據(jù)整理與顯示的相關理論。四、實驗方法與步驟1、 在相應方格中輸入命令，

8、得到各特征值。COUNT （ B4:B53 ）并回車，得到50個數(shù)據(jù)中的單位總量。SUM （ B4:B53 ）并回車，得到50個數(shù)據(jù)中的標志總量。MAX （ B4:B53 ）并回車，得到50 個數(shù)據(jù)中的最大值。MIN （ B4:B53 ）并回車，得到50個數(shù)據(jù)中的最小值。AVERAGE （ B4:B53 ）并回車，得到50個數(shù)據(jù)中的平均值。MEDIAN （ B4:B53 ）并回車，得到50 個數(shù)據(jù)中的中位數(shù)。GEOMEAN （ B4:B53 ）并回車，得到50 個數(shù)據(jù)中的幾何平均數(shù)。HARMEAN （ B4:B53 ）并回車，得到50 個數(shù)據(jù)中的調和平均數(shù)。AVEDEV （ B4:B53 ）并

9、回車，得到50個數(shù)據(jù)中的變異統(tǒng)計的平均差。STDEV （ B4:B53 ）并回車，得到50 個數(shù)據(jù)中的變異統(tǒng)計的標準差。VAR （ B4:B53 ）并回車，得到50 個數(shù)據(jù)中的變異統(tǒng)計中的方差。KURT （ B4:B53 ）并回車，得到50 個數(shù)據(jù)中的變異統(tǒng)計中的峰度。SKEW （B4:B53 ）并回車，得到50 個數(shù)據(jù)中的變異統(tǒng)計中的偏度。2、 抽樣推斷在單元格中輸入 CONFIDENCE( 所在單元格， 標準差所在單元格， 樣本容量單元格 )，點得到極限誤差，從而得到日價格零件數(shù)和優(yōu)秀率的置信區(qū)間。單元格中鍵入“ =（樣本均值單元格 -115 ） /( 樣本標準差單元格 /SQRT （樣本

10、容量單元格） )”，得到 t 值；單元格中鍵入“ =TINA(0.05,49) ”得到 =0.05 ，自由度為 49的臨界值。五、實驗結果與數(shù)據(jù)處理1. 特征值單位總量50標志總量6537最大值509最小值107平均值130.74中位數(shù)123幾何平均數(shù)126.2996調和平均數(shù)124.3825變異統(tǒng)計的平均差16.664變異統(tǒng)計的標準差55.17202變異統(tǒng)計中的方差3043.951變異統(tǒng)計中的峰度47.77895變異統(tǒng)計中的偏度6.8387522.抽樣推斷a0.05極限誤差15.29262日加工零件數(shù)的置信區(qū)間 115.44738146.03262 ，優(yōu)秀率的置信區(qū)間 0.172436 0.

11、334821t2.0173018a0.05自信度49臨界值2.0095752由題可知待設檢驗 ho:u115T=(樣本均值單元格 -115)/ 樣本標準單元格 / （樣本容量單元格） =2.0173018由于 TINA(0.05,49)=2.009575237，TTINA(0.05,49). 所以拒絕 ho 接受 hi六、討論與結論這個實驗首先是要求我們計算這 50個數(shù)據(jù)的特征值， 然后運用所學知識求企業(yè)職工的平均日加工零件數(shù)及優(yōu)秀率的區(qū)間， 并且進行假設檢驗。 在所給的實驗步驟的指導下， 首先我將這 50個數(shù)據(jù)在 excel 表中從按照縱排依次排序， 然后用實驗給定的函數(shù)： COUNT（B4

12、：B53）等，分別輸入，得到 50個數(shù)據(jù)的單位總量，標志總量等特征值。 其實在掌握方法后這部分的操作并沒有太大的難度。 在算出了相應特征值后，由于要計算置信區(qū)間，我用 CONFIDENCE( 所在單元格，標準差所在單元格，樣本容量單元格) ，得到了極限誤差，并且有知道日加工零件數(shù)的平均值是130.74 ，優(yōu)秀率是 22%，所以根據(jù)這些數(shù)據(jù)從而得到日價格零件數(shù)和優(yōu)秀率的置信區(qū)間。 然后是根據(jù)公式我們可以得到 t 值，由 t 值和極限誤差，由于實驗已經(jīng)告訴我們以往該企業(yè)的工人加工零件數(shù)， 優(yōu)秀率和顯著性水平， 則我們用總體比例的區(qū)間估計來求得優(yōu)秀率的區(qū)間， 假設檢驗階段用總體比率的假設檢驗來判斷工

13、人平均日加工零件數(shù)是否下降。 tt （n-1 ），所以拒絕 h0，接受 h1，即工人平均日加工零件數(shù)比以前有所上升。假設檢驗是用來檢驗總體的， 樣本與總體的差異是由抽樣誤差引起還是本質差別引起的統(tǒng)計推斷方法， 實驗二主要是在 excel 中運用各種命令進行計算大大的減少我們的工作量 同時能夠更加準確。實驗三：時間序列分析一、實驗目的及要求：(一)目的掌握 EXCEL用于移動平均、線性趨勢分析的基本菜單操作及命令。( 二 ) 內容及要求綜合運用統(tǒng)計學時間序列中的移動平均、季節(jié)指數(shù)運算、 時間序列因素分解、圖形展示等知識， 對某小區(qū)居民用電量（千度）季節(jié)數(shù)據(jù)的構成要素進行分解，并作出圖形進行分析。

14、月度第一年第二年第三年第四年155957458554224474694554383345366352341435432734142753744123883586359353332355736538139237684374604294419353344361382102953112913771145445339539812457486491409二、儀器用具硬件：計算機（安裝Windows2003 、 Windows2007 或 Windows XP 或以上）軟件： EXCEL三、實驗原理時間序列分析中的移動平均分析原理、季節(jié)指數(shù)原理等。四、實驗方法與步驟1（ 1）輸入“年 / 月度”、“時間標

15、號”，復制各月度銷售額到“用電量”。（ 2）點擊“數(shù)據(jù)分析”“移動平均”，輸入?yún)^(qū)域為“銷售額”，間隔4，輸出“移動平均值” ；同樣的辦法對 “移動平均值” 進行 2 步平均， 輸出“中心化后的移動平均值”。（ 3）對稱一下 “移動平均值”和“中心化后的移動平均值”，然后用“用電量”除以“中心化后的移動平均值”求出“比值”。（ 4）將“比值”中的數(shù)據(jù)復制到“季節(jié)指數(shù)計算表”中，計算完成表。（ 5）點擊 “圖標向導” “折線圖” ，輸入?yún)^(qū)域為季節(jié)指數(shù)中的數(shù)值，修改完成圖表。2 （1）完善“用電量”和“季節(jié)指數(shù)”并計算“用電量”/ “季節(jié)指數(shù)” ，完成季節(jié)分離后的時間序列。（ 2）點擊“數(shù)據(jù)分析”“

16、回歸”， Y 值輸入?yún)^(qū)域為季節(jié)分離后的時間序列，X 值輸入?yún)^(qū)域為時間標號，輸出。（ 3）利用計算出的趨勢模型和季節(jié)比率，對該小區(qū)第五年用電量數(shù)據(jù)進行預測。3點擊“圖表向導”“折線圖”，數(shù)據(jù)區(qū)域為“用電量” 、“季節(jié)分離后的時間序列”和“回歸后的趨勢” ，系列產生在“列” ，完善標題、 X 軸、 Y 軸，完成，再修改完成圖。4用與圖3 相同的方法繪制銷售額預測圖。五、實驗結果與數(shù)據(jù)處理1年月份時間標用電量移動平均中心化的移動比值號平均1115592244733345426.25403.1250.85581395443543803690.959349595566778899101011111212

17、21132143154165176187198209211022112312243125226327428529630731832933103411351236413723833944054164274384494510461147374359365437353295454457574469366327412353381460344311453486585455352341388332392429361291395491542438341427358355376441382377398358360.51.03744799363373.3750.96149983383.75381.1250.95

18、769105378.5370.515373.6250.94479759384.75387.250.76178179389.75417.3751.08775082445466.750.97911087488.5477.51.20209424466.5450.251.04164353434413.750.88459215393.53790.86279683364.5366.3751.12453088368.25384.8750.9171809401.53930.96946565384.5379.251.212920243743830.89817232392395.250.

19、78684377398.5428.6251.05686789458.75476.751.0194022494.75482.1251.21337827469.5451.3751.00803102433.25408.6250.86142551384368.6250.92505934353.25358.251.08304257363.25374.250.88710755385.25381.8751.02651391378.5373.375125368.6250.97931502369376.750.77239549384.5407.1250.97021799429.7544

20、8.1251.09567643466.5459.751.178901584534450.984269664374140.8236715391380.6251.12183908370.25374.6250.95562229379380.750.93237032382.5385.50.97535668388.5391.251.12715655394396.750.96282294399.5395.50.95322377391.51248409季節(jié)指數(shù)折線圖1.41.210.8系列10.60.40.201234567891011122. 季節(jié)分離后的時間序列1234合計月平均季節(jié)指數(shù)11.20209

21、41.2133781.178901583.594374091.19812471.1921.0416441.0080310.984269663.033944211.011314741.0130.8558140.8845920.8614260.82367153.425503110.856375780.8540.959350.8627970.9250591.121839083.869044840.967261210.9651.0374481.1245311.0830430.955622294.200643731.050160931.0560.96150.9171810.8871080.9323703

22、23.69815860.924539650.9270.9576910.9694661.0265140.975356683.929027290.982256820.9881.1794871.212921.1489791.127156554.668542881.167135721.1690.9447980.8981720.9793150.962822943.785107870.946276970.94100.7617820.7868440.7723950.953223773.274244820.818561210.81111.0877511.0568680.9702183.11483671.038

23、27891.120.9791111.0194021.0956763.09418951.03139651.03合計11.9916831時間標用電量季節(jié)指數(shù)季節(jié)分離后的時間序號列15591.19895566466.239093424471.01201614441.692560433450.85696972402.581318743540.96793206365.728148353741.05088928355.889061963590.92518087388.032234273650.98293807371.335703884371.16794519374.161393793530.9469332

24、6372.7823437102950.81912892360.138670211121314151617181920212223242526272829303132333435363738394041424344454647484544575744693663274123533814603443114534865854553523413883323924293612913954915424383414273583553764413823773984091.038999436.95903461.03211183442.78147651.19895566478.74998151.012016144

25、63.43134410.85696972427.08626860.96793206337.83362851.05088928392.04891310.92518087381.54701580.98293807387.61343331.16794519393.85409860.94693326363.2779780.81912892379.67161511.038999435.99656981.03211183470.8792071.19895566487.92463271.01201614449.59757260.85696972410.74963540.96793206352.2974536

26、1.05088928369.21111230.92518087358.84875140.98293807398.80437231.16794519367.31175720.94693326381.23066880.81912892355.2554341.038999380.17360941.03211183475.72364321.19895566452.0600871.01201614432.79942160.85696972397.91370920.96793206441.14666481.05088928340.66386140.92518087383.70875520.98293807

27、382.52664281.16794519377.58621190.94693326403.40752210.81912892460.24501251.038999383.06100391.03211183396.2748882X Variable 1 Line Fit Plot600Y 400200002040X Variable 1該小區(qū)第五年用電量數(shù)據(jù)進行預測SUMMARY OUTPUT回歸統(tǒng)計Multiple R0.029616R Square0.000877Adjusted R-0.02084Square標準誤差41.25487觀測值48方差分析dfSSMS回歸分析168.72873

28、68.72873殘差4678290.341701.964總計4778359.07Coefficients標準誤差t StatIntercept404.800212.097833.46064X Variable 1-0.086380.429831-0.20095月份時間標號預測149402.967721250403.0262657351403.7455592452405.4158069553404.6588679654410.4380862755398.3653493Y預測 Y60SignificanceFF0.0403820.841621P-valueLower 95%Upper95%6.16

29、E-34380.4486429.15190.841621-0.951580.77883856402.2559297957411.7277861058428.69881811159407.2115251260386.2072198第五年預測值500450400350300250第五年預測值200150100500份123456789101112月六、討論與結論從這個實驗開始就顯得難度系數(shù)比較大了，實驗的目的主要是掌握EXCEL用于移動平均、線性趨勢分析的基本菜單操作及命令。所謂的季節(jié)變動是指一些現(xiàn)象由于受到自然條件或經(jīng)濟條件的影響在一個年度內隨著季節(jié)的更替而發(fā)生的比較有規(guī)律的變動。而測定季節(jié)變動

30、的方法從是否排除長期趨勢的影響看，分為兩種：第一種是不排除長期趨勢的影響，直接根據(jù)原始時間數(shù)列來測定，二是先采用移動平均法剔除長期趨后再根據(jù)消除長期趨勢后的時間數(shù)列來測定季節(jié)變動。根據(jù)實驗步驟，我首先算出了用電量的移動平均值和中心化的移動平均值。然后用“用電量”除以“中心化后的移動平均值”求出“比值”，得出季節(jié)指數(shù)表。再根據(jù)季節(jié)指數(shù)表繪制出季節(jié)指數(shù)折線圖。用用電量中心化的移動平均值得到月比值，從數(shù)據(jù)可以得到比值受到長期趨勢和不規(guī)則變動的影響，因為比值的最小值是0.8236715 ，最大值是 1.21337827，并且十二個月的數(shù)值都在之間變動，沒有規(guī)律， 在進行季節(jié)分離后的表中，得到第五年的預

31、測值。通過這個實驗， 我學到了很多， 比如怎樣求季節(jié)比率， 怎樣進行移動平均。在剛準備開始做的時候，我完全不知道怎么做，然后我就像會做的同學請教，之后略懂了一些。 同時學會如何畫折線圖和進行回歸分析。同時掌握回歸分析和預測方法，通過這個實驗，我對EXCEL軟件的運用又有了更多的認識，同時，我也更加清晰的意識到了這個軟件的重要性，所以在平時的空余時間里，我一定要多用時間進行研究這個軟件。實驗四：一元線性回歸分析一、實驗目的及要求：(一)目的掌握 SPSS用于相關與回歸分析的基本操作及命令。( 二 ) 內容及要求綜合運用統(tǒng)計學中相關與回歸分析的內容，根據(jù)下列數(shù)據(jù)作出一個。我國 1990 2005

32、年國民生產總值和財政收入資料年份國內生產總值財政收入199018667.822937.1199121781.53149.48199226923.483483.37199335333.924348.95199448197.865218.1199560793.736242.2199671176.597407.99199778973.048651289875.95199989677.0511444.08200099214.5513395.232001109655.216386.042002120332.718903.642003135822.821715.252004159

33、878.326396.472005183084.831649.29二、儀器用具硬件：計算機（安裝Windows2003 、 Windows2007 或 Windows XP 或以上）軟件： SPSS三、實驗原理相關與回歸分析的原理等。四、實驗方法與步驟按照附件中的一元線性回歸方程的建立與檢驗方式利用上述數(shù)據(jù)運行程序。五、實驗結果與數(shù)據(jù)處理（1）4.1 表：表 4-1 給出了回歸的方法是全回歸模式，模型編號為1，自變量是 “國內生產總值 ”，因變量是 “財政收入 ”。Variables Entered/Removed(b,c)VariablesVariablesModelEnteredRemov

34、edMethod1 國內生產總.Enter值a All requested variables entered.b Dependent Variable: 財政收入cModels are based only on cases for which計算=1（2）4.2表： 表 4-2是回歸模型統(tǒng)計量：R 是相關系數(shù)；R Square相關系數(shù)的平方，又稱判定系數(shù)， 判定線性回歸的擬合程度： 用來說明用自變量解釋因變量變異的程度 （所占比例）； Adjusted R Square 調整后的判定系數(shù)； Std. Error of the Estimate 估計標準誤差。Model Summary b,

35、cRModel1計算=1(Selected)aR Square.952AdjustedR Square.949Std. Error ofthe Estimate1657.23381a. Predictor s: (Constant), 國 內生 產 總 值b. Unless noted otherwise, statistics are based only on cases for which 計 算 = 1.c. Dependent Variable: 財 政收 入（ 3 ）表 4-3 是回歸模型的方差分析表， F值為 260.239，顯著性概率是 0.000，表明回歸不太顯著。ANOVA

36、b,cSum ofModelSquaresdfMean SquareFSig.1Regression7E+0081714726513.5260.239.000aResidual35703511132746423.887Total8E+00814a. Predictors: (Constant), 國 內 生產 總 值b. Dependent Variable: 財 政 收 入c. Selecting only cases for which 計 算 = 1（ 4） 表4-4 回歸模型系數(shù)表，以及 t檢驗結果。Coefficientsa,bUnstandardizedStandardizedCo

37、efficientsCoefficientsModelBStd. ErrorBetatSig.1(Constant)-2242.353905.815-2.476.028國內生產總值.166.010.97616.132.000a. Dependent Variable:財 政收 入b. Selecting only cases for which 計 算 = 1表 4-4分析:從上面的回歸分析結果表明：國內生產總值與財政收入的關系非常密切，相關系數(shù)0.981；同時方差分析表明，其顯著性水平為0.000。根據(jù)回歸系數(shù)表 6-5，可寫出回歸方程如下：Y=-2242.353+0.166x其中 x 代表

38、國內生產總值；Y 代表財政收入。預測值的回歸誤差可用剩余均方估計：= 2746423.887= 六、討論與結論這個實驗與前三個實驗在軟件的運用方面有一定的不同，相對而言我對于EXCEL還不是很陌生。 SPSS 這個軟件我之前從來沒有接觸過，所以在應用上會有一定的難度， 因為它還牽涉到了有些很復雜的英語。 在做這個實驗的時候， 我是和幾個同學進行了討論，然后大家交流了自己的看法，其實在弄懂之后才發(fā)現(xiàn)這個軟件的操作也沒有之前想象的那么復雜。 只需要輸入數(shù)據(jù)和相關的標志， 再對這些數(shù)據(jù)進行一些設定， 就可以進行分析了，大部分的計算都是由于電腦完成的， 這為我們節(jié)約了很多的時間，同時它也不需要像在EX

39、CEL 中做的時候那樣需要自己會用一些公式。我們只需要對它產生的相關的實驗結果來進行分析即可。第一步是畫散點圖，由散點圖我們可以推測出其具有線性關系，并且可以得出“ 1990-2005”我國的國民生產總值是上升的 隨著時間的增加而增加， 但增加的形式是前面增加的慢后面逐漸加快， 因此我在附件中關于一元回歸分析的步驟指導下才進行了后面的回歸分析， 通過回歸分析我們可以清楚的看到關于國內生產總值與財政收入的關系，這也很具有現(xiàn)實意義。通過這個實驗，我粗略的了解了 SPSS用于相關與回歸分析的基本操作及命令方面的知識，這真的是一個很好用的軟件，對于分析數(shù)據(jù)很有幫助。所以熟練掌握SPSS的相關用法是十分

40、有必要的，而我也一定會在以后的學習中注重這方面能力的培養(yǎng)。附 ：一元回歸分析（在實驗報告中不要打印這部分）在數(shù)學關系式中只描述了一個變量與另一個變量之間的數(shù)量變化關系，則稱其為一元回歸分析。其回歸模型為y 稱為因變量，x 稱為自變量，稱為隨機誤差，a， b 稱為待估計的回歸參數(shù)，下標i 表示第i 個觀測值。如果給出a 和b 的估計量分別為、，則經(jīng)驗回歸方程:一般把稱為殘差， 殘差可視為擾動的 “估計量 ”。例子 :湖北省漢陽縣歷年越冬代二化螟發(fā)蛾盛期與當年三月上旬平均氣溫的數(shù)據(jù)如表1-1，分析三月上旬平均溫度與越冬代二化螟發(fā)蛾盛期的關系。表 1-1 三月上旬平均溫度與越冬代二化螟發(fā)蛾盛期的情況

41、表年份1961196219631964196519661967196819691970三月上旬平均溫度8.68.39.78.57.58.47.39.75.45.5越冬代二化螟發(fā)蛾盛期（6月30日為35314452750）1） 準備分析數(shù)據(jù)在數(shù)據(jù)編輯窗口中輸入數(shù)據(jù)。建立因變量歷期“歷期 ”在 SPSS 數(shù)據(jù)編輯窗口中，創(chuàng)建 “年份”、 “溫度 ”和 “發(fā)蛾盛期 ”變量，并把數(shù)據(jù)輸入相應的變量中。2） 啟動線性回歸過程。擊SPSS 主菜單的 “ Analyze下”的 “ Regression中 “”Linear項”，將打開如圖 1-1 所示的線性回歸過程窗口。3） 設置分析變量設置因變量：本例為“發(fā)蛾盛期 ”變量，用鼠標選中左邊變量列表中的“發(fā)蛾盛期 ”變量，然后點擊 “Dep