實驗五相關(guān)與回歸分析

1、實 驗（實訓(xùn)）報 告項 目 名 稱 相關(guān)于回歸分析 所屬課程名稱 統(tǒng)計學(xué) 項 目 類 型 綜合 實驗(實訓(xùn))日期 2014-06-01 班 級 12計算機2班 學(xué) 號 姓 名 陳玉潔 指導(dǎo)教師 陳雄強 浙江財經(jīng)大學(xué)教務(wù)處制一、實驗（實訓(xùn)）概述：【目的及要求】實驗?zāi)康模?.掌握簡單相關(guān)分析方法，并根據(jù)相關(guān)系數(shù)判斷兩變量的相關(guān)關(guān)系。2.掌握回歸分析方法，并對回歸結(jié)果進(jìn)行分析。實驗要求：以浙江省城鎮(zhèn)為例進(jìn)行分析對人均GDP、居民年人均可支配收入和年人均消費支出的相關(guān)變量之間的關(guān)系?！净驹怼肯嚓P(guān)分析回歸分析【實施環(huán)境】（使用的材料、設(shè)備、軟件）操作系統(tǒng)：Window XP 編譯軟件SPSS Sta

2、tistics 17.0二、實驗（實訓(xùn)）內(nèi)容：【項目內(nèi)容】1.分別求人均可支配收入與GDP、人均消費性支出與GDP、人均可支配收入與人均消費支出的相關(guān)系數(shù)。2畫出人均可支配收入與人均消費支出的散點圖，求人均消費支出倚人均可支配收入的直線回歸方程，解釋方程結(jié)果，并找出方程的估計標(biāo)準(zhǔn)誤差。3.畫出GDP與人均可支配收入的散點圖，求人均可支配收入倚GDP的直線回歸方程。解釋方程結(jié)果，并找出方程的估計標(biāo)準(zhǔn)誤差。4.畫出GDP與人均消費支出的散點圖，求人均消費支出倚GDP的直線回歸方程。解釋方程結(jié)果，并找出方程的估計標(biāo)準(zhǔn)誤差。5.若將GDP的單位改為億元，再做第3和第4題，觀察單位變化對回歸方程的影響。

3、6.求人均可支配收入倚GDP的二次回歸方程，并與直線回歸方程比較，選出最適合的方程。7.求人均消費支出倚GDP的二次回歸方程，并與直線回歸方程比較，選出最適合的方程。8. 求人均可支配收入對GDP的彈性系數(shù)和人均消費支出對GDP的彈性系數(shù)?！痉桨冈O(shè)計】（1）根據(jù)變量的觀測數(shù)據(jù)繪制散點圖；（2）計算相關(guān)系數(shù)，說明相關(guān)程度和方向；（3）建立直線（曲線）回歸方程；（4）計算回歸方程的估計標(biāo)準(zhǔn)誤差和判定系數(shù)；（5）對方程進(jìn)行解釋和應(yīng)用等【實驗（實訓(xùn)）過程】（步驟、記錄、數(shù)據(jù)、程序等） 在國家統(tǒng)計局網(wǎng)站上找到浙江省GDP、浙江省城鎮(zhèn)人均可支配收入、浙江省城鎮(zhèn)人均消費性支出的相關(guān)數(shù)據(jù)。（目前提供：2002

4、年-2012年的數(shù)據(jù)）并將其錄入Spss中，如下圖所示：1. 分別求人均可支配收入與GDP、人均消費性支出與GDP、人均可支配收入與人均消費支出的相關(guān)系數(shù)。方法：在Spss工具欄中選擇：分析-相關(guān)-雙變量-加入GDP，income。Paycome確定，得到如下所示的圖表：2.畫出人均可支配收入與人均消費支出的散點圖，求人均消費支出倚人均可支配收入的直線回歸方程，解釋方程結(jié)果，并找出方程的估計標(biāo)準(zhǔn)誤差。方法：1）在Spss工具欄中選擇：圖表-散點圖-選擇income為x軸，payout為y軸。（兩種方法）-確定，得到如下所示的圖表：2）然后又在Spss工具欄中選擇：分析-回歸-線性-將payou

5、t放起上，income放下-確定，得到如下的表格：輸入移去的變量b模型輸入的變量移去的變量方法1incomea.輸入a. 已輸入所有請求的變量。b. 因變量: payout模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計的誤差1.996a.993.992385.79526a. 預(yù)測變量: (常量), income。Anovab模型平方和df均方FSig.1回歸1.778E811.778E81194.728.000a殘差1339541.8219148837.980總計1.792E810a. 預(yù)測變量: (常量), income。b. 因變量: payout系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)

6、 誤差試用版1(常量)2525.039367.7966.865.000income.565.016.99634.565.000a. 因變量: payout3.畫出GDP與人均可支配收入的散點圖，求人均可支配收入倚GDP的直線回歸方程。解釋方程結(jié)果，并找出方程的估計標(biāo)準(zhǔn)誤差。 方法：1）在Spss工具欄中：圖表-散點圖-選擇GDP為x軸，income為y軸。（兩種方法）-確定，得到的圖像如下所示：2）在Spss工具欄中：分析-回歸-線性-將income放起上，GDP放下-確定,得到如下所示的圖表：輸入移去的變量b模型輸入的變量移去的變量方法1GDPa.輸入a. 已輸入所有請求的變量。b. 因變量

7、: income模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計的誤差1.998a.996.996484.24032a. 預(yù)測變量: (常量), GDP。Anovab模型平方和df均方FSig.1回歸5.549E815.549E82366.354.000a殘差2110398.1869234488.687總計5.570E810a. 預(yù)測變量: (常量), GDP。b. 因變量: income系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)5153.534363.45714.179.000GDP.823.017.99848.645.000a. 因變量: income4.畫出GDP與人

8、均消費支出的散點圖，求人均消費支出倚GDP的直線回歸方程。解釋方程結(jié)果，并找出方程的估計標(biāo)準(zhǔn)誤差。方法：1）在Spss工具欄中：圖表-散點圖-選擇GDP為x軸，payout為y軸。（兩種方法）-確定，得到如下的圖形：2）在Spss工具欄中：分析-回歸-線性-將payout放起上，GDP放下-確定，得到如下的圖表：輸入移去的變量b模型輸入的變量移去的變量方法1GDPa.輸入a. 已輸入所有請求的變量。b. 因變量: payout模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計的誤差1.996a.991.990421.65884a. 預(yù)測變量: (常量), GDP。Anovab模型平方和df均方FSig

9、.1回歸1.776E811.776E8998.673.000a殘差1600165.5769177796.175總計1.792E810a. 預(yù)測變量: (常量), GDP。b. 因變量: payout系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)5426.245316.48517.145.000GDP.466.015.99631.602.000a. 因變量: payout注：若將GDP的單位改為億元，再做第3和第4題，觀察單位變化對回歸方程的影響。方法：將GDP的單位變?yōu)閮|元，則在Spss工具欄中：轉(zhuǎn)換-計算變量-GDP1=GDP/10000，得到新的GDP如下所示：此時，

10、按照上面的方法一次做3,4，得到的圖形為：輸入移去的變量b模型輸入的變量移去的變量方法1GDP1a.輸入a. 已輸入所有請求的變量。b. 因變量: income模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計的誤差1.998a.996.996484.24032a. 預(yù)測變量: (常量), GDP1。Anovab模型平方和df均方FSig.1回歸5.549E815.549E82366.354.000a殘差2110398.1869234488.687總計5.570E810a. 預(yù)測變量: (常量), GDP1。b. 因變量: income系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量

11、)5153.534363.45714.179.000GDP18230.001169.184.99848.645.000a. 因變量: income輸入移去的變量b模型輸入的變量移去的變量方法1GDP1a.輸入a. 已輸入所有請求的變量。b. 因變量: payout模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計的誤差1.996a.991.990421.65884a. 預(yù)測變量: (常量), GDP1。Anovab模型平方和df均方FSig.1回歸1.776E811.776E8998.673.000a殘差1600165.5769177796.175總計1.792E810a. 預(yù)測變量: (常量), G

12、DP1。b. 因變量: payout系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)5426.245316.48517.145.000GDP14655.561147.320.99631.602.000a. 因變量: payout6.求人均可支配收入倚GDP的二次回歸方程，并與直線回歸方程比較，選出最適合的方程。方法：1）在Spss工具欄中：圖表-散點圖，先觀察散點圖的特性，選擇使用什么回歸比較好。2）通過觀察，得知選擇曲線回歸比較好，則在Spss工具欄中：分析 -回歸-曲線-income上，GDP下-選擇Quadratic和display ANOVA table -確定，得

13、到如下所示的表格：模型描述模型名稱MOD_1因變量1income方程1二次自變量GDP常數(shù)包含其值在圖中標(biāo)記為觀測值的變量未指定用于在方程中輸入項的容差.0001個案處理摘要N個案總數(shù)11已排除的個案a0已預(yù)測的個案0新創(chuàng)建的個案0a. 從分析中排除任何變量中帶有缺失值的個案。變量處理摘要變量因變量自變量incomeGDP正值數(shù)1111零的個數(shù)00負(fù)值數(shù)00缺失值數(shù)用戶自定義缺失00系統(tǒng)缺失00模型匯總RR 方調(diào)整 R 方估計值的標(biāo)準(zhǔn)誤.998.996.995511.125自變量為 GDP。ANOVA平方和df均方FSig.回歸5.549E822.775E81062.022.000殘差2089

14、989.3308261248.666總計5.570E810自變量為 GDP。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤BetaGDP.795.103.9647.717.000GDP * 26.675E-7.000.035.280.787（常數(shù)）5403.084971.7745.560.001數(shù)據(jù)一般默認(rèn)3位，修改具體為：（1）SPSS默認(rèn)顯示至小數(shù)點后3位，因此當(dāng)數(shù)字小于1/1000時就只能顯示0.000了。所以這種情況并不代表這個數(shù)字為0，而是表示它小于1/1000。要想顯示完整數(shù)字，可以采取如下方法：雙擊輸出表格，右鍵點擊顯示0.000的格子，選擇“單元格屬性”，在“格式值”選項卡中選擇

15、“小數(shù)”項上增加小數(shù)點位數(shù)至你所需要的位數(shù)。注意，如果你增加的小數(shù)點位數(shù)較多，而格子又不夠?qū)?，此時就會顯示×××××。你只需要重新雙擊表格，然后雙擊顯示×××××的格子，然后拖動格子的邊框加寬格子的寬度就可以了修改后的數(shù)據(jù)表格如下所示：系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤BetaGDP.795.103.9647.717.000GDP * 26.675E-70.000002388.035.280.787（常數(shù)）5403.084971.7745.560.0017.求人均消費支出倚GDP的二次

16、回歸方程，并與直線回歸方程比較，選出最適合的方程。方法：具體步驟與6一樣，實驗得到的表格如下所示：模型匯總RR 方調(diào)整 R 方估計值的標(biāo)準(zhǔn)誤.996.992.990415.650自變量為 GDP。ANOVA平方和df均方FSig.回歸1.778E828.889E7514.509.000殘差1382119.0498172764.881總計1.792E810自變量為 GDP。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤BetaGDP.558.0841.1946.666.000GDP * 2-2.182E-60.00000194-.201-1.123.294（常數(shù)）4610.559790.2535.

17、834.0008.求人均可支配收入對GDP的彈性系數(shù)和人均消費支出對GDP的彈性系數(shù)。一個變量Y對另一個變量X的彈性系數(shù)E定義為：E=Y的增長率÷X的增長率，所以需要在SPSS中選用冪函數(shù)power。模型匯總RR 方調(diào)整 R 方估計值的標(biāo)準(zhǔn)誤.998.995.995.026自變量為 GDP。ANOVA平方和df均方FSig.回歸1.25311.2531863.628.000殘差.0069.001總計1.25910自變量為 GDP。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Betaln(GDP).725.017.99843.170.000（常數(shù)）16.6892.7476.076.000因變量為 ln(income)。模型匯總RR 方調(diào)整 R 方估計值的標(biāo)準(zhǔn)誤.996.993.992.027自變量為 GDP。ANOVA平方和df均方FSig.回歸.8731.8731239.774.000殘差.0069.001總計.87910自變量為 GDP。系數(shù)未標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)化系數(shù)tSig.B標(biāo)準(zhǔn)誤Betaln(GDP).605.017.99635.210.000（常數(shù)）37.5066.3175.937.000因變量為 ln(payout)?！窘Y(jié)論】（結(jié)果、分析）（2）標(biāo)準(zhǔn)化系數(shù)與非標(biāo)準(zhǔn)化系數(shù)SPSS進(jìn)行線性回歸，得到的