【正文】 入，如表 38所示。從“ Analyze”→“Descriptive Statistics”→“Crosstabs” ，打開 Crosstabs主對話框，將“地面材料 [material]”選入 Row(s)欄；將“地區(qū) [place]”選入 Column(s)欄。 列聯(lián)表分析 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 35 167。試分析四個商場的服務質量評價是否一樣。 列聯(lián)表分析 將本例表 39的數(shù)據按照與例 SPSS，并按相同步驟操作，得到輸出結果如下： 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 40 167。 列聯(lián)表分析 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 44 167。比如說，若干組不同年齡的人對某種社會保障政策是否具有同樣的態(tài)度；不同社會經濟背景的顧客購買某種商品的理由是否不同；若干組不同年齡的人是否具有同樣的看電視的嗜好。在表中，各個總體扮演一種分類準則的角色，而我們感興趣的那種特征則扮演另一種分類準則的角色。 一致性檢驗 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 50 167。他們在不同年齡的三組人中各抽選了一個隨機樣本，并請求樣本中的每一個人回答在三類電視節(jié)目中他或她喜歡哪一類。如果就對節(jié)目的喜歡來說三個被抽樣總體是一致的。表 312中另外兩列的預期頻數(shù)可用類似的方法得出。 一致性檢驗 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 55 167。 擬合優(yōu)度檢驗 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 59 167。把“天數(shù) [days]”放入 Frequency欄中，單擊“ OK”。 擬合優(yōu)度檢驗 對于所要檢驗的假設為連續(xù)型分布時，首先將隨機變量的取值范圍分成若干個類區(qū)間，再統(tǒng)計出各類區(qū)間的觀察頻數(shù)。 擬合優(yōu)度檢驗 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 67 167。 最小二乘估計的性質 167。 建模總結和應注意的問題 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 71 167。 ? 保險公司在研究火災損失的規(guī)律時 ,把火災發(fā)生地與最近的消防站的距離作為一個最主要因素 ,研究火災損失與火災發(fā)生地距最近消防站的距離之間的關系。 一元線性回歸模型 ? 例 假定需要研究化肥施用量與糧食產量的關系，以便準確地定出化肥施用量的單位變化如何影響糧食產量的平均單位變化，進而確定合理的化肥施用量。 一元線性回歸模型 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 75 167。 一元線性回歸模型 二、一元線性回歸模型的數(shù)學形式 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 79 167。 一元線性回歸模型 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 83 167。 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 86 167?？蓞⒖嘉墨I [9]。 最小二乘估計的性質 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 99 167。 最小二乘估計的性質 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 101 167。 最小二乘估計的性質 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 105 167。 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 107 167。 回歸方程的顯著性檢驗 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 110 167。 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 113 167。 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 114 167。這實際上就是一種確定的線性函數(shù)關系 ,它并不是統(tǒng)計學中研究的主要內容。此時 |r|1,并不等于 1，這是因為簡單相關系數(shù)只是反映兩個變量間的線性關系，并不能反映變量間的非線性關系。統(tǒng)計學中主要研究這種線性統(tǒng)計關系。 回歸方程的顯著性檢驗 這里需要指出的是相關系數(shù)有個明顯的缺點 ,就是它接近于 1的程度與數(shù)據組數(shù) n有關 ,這樣容易給人一種假象。因此在樣本容量 n較小時 ,我們僅憑相關系數(shù)較大就說明變量 x與 y之間有密切的線性關系 ,就顯得匆忙。 回歸方程的顯著性檢驗 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 119 167。 回歸方程的顯著性檢驗 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 122 167。 回歸方程的顯著性檢驗 第二、用 P值做檢驗具有可比性，而用 t值做檢驗與自由度有關，可比性差。 回歸方程的顯著性檢驗 SPSS軟件計算 進入 SPSS軟件，按要求錄入數(shù)據，雙擊默認變量名（ var00001， var00002）修改為變量名 y， x。用同樣的方法把自變量 x選入 Independent框條中，再點右側 OK按鈕，即可輸出以下計算結果： 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 127 167。可以看出，兩種軟件的計算結果是一致的，只是輸出項目和項目名稱略有不同。可以證明，回歸系數(shù)顯著性的 t檢驗與相關系數(shù)顯著性的 t檢驗是完全相等的，而（ ）式的F統(tǒng)計量則是這兩個 t統(tǒng)計量的平方。 殘差分析 一個線性回歸方程通過了 t檢驗或 F檢驗 ,只是表明變量 x與 y之間的線性關系是顯著的 ,或者說線性回歸方程是有效的，但不能保證數(shù)據擬合得很好 ,也不能排除由于意外原因而導致的數(shù)據不完全可靠 ,比如有異常值出現(xiàn) ,有周期性因素干擾等。 殘差分析 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 132 167。見圖 （ a）的情況。這就需考慮用另外的曲線方程去擬合樣本觀測值 y。 殘差分析 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 136 167。 殘差分析 二、性質 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 138 167。 預測和控制 建立回歸模型的目的就是為了應用 ,預測和控制是回歸模型最重要的應用。 預測和控制 二、區(qū)間預測 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 144 167。 預測和控制 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 149 167。預測和控制有著密切的關系。 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 152 167。 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 154 167。從 《 中國統(tǒng)計年鑒 》 得表 第三步 ,根據表 。因此 ,我們用直線回歸模型去描述它們是合適的。 建模總結和應注意的問題 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 157 167。 建?？偨Y和應注意的問題 2020/9/16 中國人民大學六西格瑪質量管理研究中心 159 目錄 上頁 下頁 返回 結束 167。我們由回歸方程可知 ,當國民收入平均增長 1元時 ,大約平均有 ,人均國民收入的增長與人均消費金額的增長成正相關關系。 。修改包括重新收集數(shù)據 ,盡可能用近期數(shù)據 。 建?？偨Y和應注意的問題 163 中國人民大學六西格瑪質量管理研究中心 2020/9/16 運用普通最小二乘 OLS法估計模型的參數(shù)是在模型滿足一些基本假定時才有效 ,如果模型的基本假定顯著地出錯 ,可能導致模型結論嚴重 歪曲。 建?？偨Y和應注意的問題 166 中國人民大學六西格瑪質量管理研究中心 2020/9/16 目錄 上頁 下頁 返回 結束 167。 建?？偨Y和應注意的問題 169 中國人民大學六西格瑪質量管理研究中心 2020/9/16 由圖 (d)可知 ,回歸直線的斜率完全取決于 (19,)這一個點 ,這種情況所得到的經驗回歸方程是很不可信的。 建?？偨Y和應注意的問題 170 中國人民大學六西格瑪質量管理研究中心 2020/9/16 目錄 上頁 下頁 返回 結束 167。如果自變量 x的取值超出了建模時樣本數(shù)據 x的取值范圍 , 這種預測稱為外推預測，外推預測的效果可能不好。 建?？偨Y和應注意的問題 173 中國人民大學六西格瑪質量管理研究中心 2020/9/16 目錄 上頁 下頁 返回 結束 2020/9/16 中國人民大學六西格瑪質量管理研究中心 174