方差分析和相关分析与回归分析
- 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)。
《统计学》实验五
一、实验名称:方差分析
二、实验日期:2010年12月3日
三、实验地点:经济管理系实验室
四、实验目的和要求
目的:培养学生利用EXCEL进行数据处理的能力,熟练掌握利用EXCEL 进行方差分析,对方差分析结果进行分析
要求:就本专业相关问题收集一定数量的数据,用EXCEL S行方差分析
五、实验仪器、设备和材料:个人电脑(人/台),EXCEL软件
六、实验过程
(一)问题与数据
消费者与产品生产者、销售者或服务的提供者之间经常发生纠纷。当分生纠纷后,消费者常常会向消费者协会投诉。为了对几个行业的服务质量进行评价,消费者协会在零售业、旅游业、航空公司、家电制造业分别抽取了不同的企业作为样本。其中零售业抽取7家、旅游业抽取6家、航空公司抽取5家、家电制造业抽取5家。具体数据如下:
零售业旅游业航空公司家电制造业
57683144
66394951
49292165
40453477
34564058
5351
44
取显著性水平a =0.05,检验行业不同是否会导致消费者投诉的显著性差异?
(二)实验步骤
1、进行假设
2、将数据拷贝到EXCEL表格中
3、选择“工具一一数据分析一一单因素方差分析”,得到如下结果:
方差分析’单因素方差分析
SUMMARY
观蒯数 求和 平均 方差
方差分析
(三)实验结果分析:由以上结果可知:F>F crit=3.4066 或
P-value=0.0387657<0.05,拒绝原假设,表明行业对消费者投诉有着显著差异。
实验心得体会
在这学习之前我们只学习了简单的方差计算,现在运用计算机进行方差分 析,可以做出更多的比较。通过使用计算机可以很快的计算出组间和组内的各种 数值,便于我们进行比较分析。
《统计学》实验六
一、 实验名称:相关分析与回归分析 二、 实验日期:2010年12月3日 三、 实验地点:经济管理系实验室 四、 实验目的和要求
目的:培养学生利用EXCEL 进行数据处理的能力,熟练掌握 EXCEL 绘制 散点图,计算相关系数,拟合线性回归方程,拟合简单的非线性回归方程,利用 回归方程进行预测。
要求:就本专业相关问题收集一定数量的数据,用EXCEL 进行相关回归分析 (计算相关系数,一元线性回归分析,一元线性回归预测) 五、 实验仪器、设备和材料: 个人电脑(人/台),EXCEL 软件 六、 实验过程 (一)问题与数据
10个学生每天用于学习英语的时间和期末考试的成绩的数据如下表所示。 要
列列列列
7
343 49 116.6667 6 288 5 175 5
295 48 184.8 35 108.5 59 162.5
求,
(1)绘制学习英语的时间和期末考试的成绩的散点图,判断2者之间的关系形态
⑵ 计算学习英语的时间和期末考试的成绩的线性相关系数
(3)用学习英语的时间作自变量,期末考试成绩作因变量,求出估计的回归方程。
(4)求每天学习英语的时间为150分钟时,销售额95%勺置信区间和预测区间。
学生时间(分钟)成绩(分)
A12085
B6065
C10076
D7071
E8074
F6065
G3054
H4060
I5062
60
66(二)实验步骤
1、将数据拷贝到EXCEL表格中
2、选择“插入一一图表一一散点图”,得到如下结果
从上图可知两者存在线性相关关系
3、选择“插入一一fx函数一一CORREL,如下图所示:
得到广告费与销售量之间的相关系数为0.985800162
或者选择“插入 --- fx函数---- pearson “,如下图所示
1、选择“工具一一数据分析一一回归”
SUMMARY OUTPUT
回归统计
Multiple0. 9858
R Square0. 971802
Adjusted0.968277
标准误差 1.58818
观测值10
方差分析[ df SS IS F fi canoe F
回归分析1695. 4215695. 4215275.7077 1.75E-07
残差820.17852 2. 522315
总计9715.6
Coefficien-标准误差t Stat P-value Lower 95%Upper 95%印艮95. Q;上限95.0% Intercept46.06808 1. 4018533Z 862278. O2E-1042. 835449, 3007642. 835449. 30076
X Variabl0.3243570. 01953416. &0445 1. 75B-070.2793110. 3694030. 2793110. 369403
得到回归方程为:丫=46.06808+0.324357X, R检验,t检验以及F检验都通过,
说明回归方程有意义。
5、预测代公式进行计算
实验心得体会:
相关分析和回归分析是在我们的日常生活中经常会碰到的。它用于检验几项
数据之间的相关性。通过实验,我掌握EXCEL绘制散点图,计算相关系数,拟合线性回归方程,拟合简单的非线性回归方程,利用回归方程进行预测。