spss思考与练习解析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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=+。
(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H 0:β1=β2=0,构造统计量F=1)
-p -SSE/(n SSR/p
,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)。
从上图最后两列看出,在显著性水平α=的条件下,p 值=sig<α,从而拒绝原假设,即在显著性水平α=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H 0:βi =0(i=1,2),构造统计量
)
1(t ~ii
i
--=
∧
∧
p n i c t σ
β,
其中1
--=
∧
p n SSE
σ。
p值=sig<α),从而拒绝原假设,即在显著性水平α=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()
β1的置信水平为的置信区间是(,);β2的置信水平为的置信区间是(,);
(4)回归方程的复相关系数SST SSR
R
2
=,比较接近1,说明回归方程拟合效果较好。
模型汇总
模型
R
R 方 调整 R 方 标准 估计的误
差
1 .941a
.885 .864
a. 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,置信水平为的置信区间是(,)
3、
(1)
操作:分析-回归-线性,因变量y,自变量x,确定。得方程y=。
系数a
模型 非标准化系数
标准系数
t
Sig. B
标准 误差
试用版 1
(常量)
.442
.065 x
.004 .000
.839
.000
a. 因变量: y
(2)诊断该问题是否存在异方差性,两种方法
等级相关系数法
残差图
e y ~∧
。
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-简单分布-定义-y 轴是e (RES_1),x 轴是∧
y (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|ei|: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x Spearman 的 rho e绝对值相关系数.318*
Sig.(双侧)..021
N5353
x相关系数.318*
Sig.(双侧).021.
N5353
*. 在置信度(双测)为时,相关性是显著的。
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,p值=<,认为|ei|与自变量xi 显著相关,存在异方差。
(3)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-设置权重变量:
得到结果:
调整 R 方.652
估计的标准误.008
对数似然函数值
说明m=时,对数似然函数达到极大,所以幂指数函数的最佳幂指数取,得到回归方程为y=+ PS:这种方法得到的方程的复相关系数>普通二乘法方程的复相关系数R方(),说明用加权法得到的回归方程更好。
另:此题属于一元加权最小二乘估计建立回归方程的方法,若为多元的(比如多一个x2),其操作的区别在于分析-相关-双变量时,变量一栏里是x1,x2,e绝对值,得出等级相关系数,再进行权重估计操作时,用等级相关系数最大的那个自变量(比如是x2)作为“权重变量”。4、
(1)用普通最小二乘法建立y关于x的回归方程。
(2)操作:分析-回归-线性,因变量y,自变量x,确定。得方程
y=用残差图及DW检验诊断序列相关性。(误差项独立性的检验,目的是消除自相关)
残差图(e t~e t-1):
首先计算残差e:分析-回归-线性-保存-残差(未标准化),计算出残差RES_1(e t-1)。从第二行复制该列粘贴到下一列,作为e t。
图形-旧对话框-散点-简单分布-定义-y轴是RES_1,x轴是res_2-确定:
这些点落在一(三)象限,说明存在正自相关性。DW检验:分析-回归-线性-统计量-DW:
模型汇总b
模型R R 方调整 R 方标准估计的误
差Durbin-Watson
1.999a.998.998.09813.683
模型汇总b
模型R R 方调整 R 方标准估计的误
差Durbin-Watson
1.999a.998.998.09813.683
a. 预测变量: (常量), x。
b. 因变量: y
在(0,2)范围内,是正自相关。
(3)分别用迭代法和一阶差分法建立回归方程;
迭代法:
借助上一小题,求得一元线性回归方程并求得残差间的一阶自相关系数ρ=。转换-计算变量,
令y*
i =y i+1—ρyi,x*
i
=x i+1—ρxi。
分析-回归-线性—自变量x*,因变量y*—统计量-DW-得到回归方程:y*=*,即
系数a