【文章內(nèi)容簡(jiǎn)介】 （自變量）框中 ，把 y 移入 Dependent （因變量）框中 / Continue ； Statistics / Regression Coefficients/ Estimates、 Model fit/ DurbinWatson、 Casewise diagnostics、 Outliers outside，并在后面的方框中改為 2，即大于兩個(gè)標(biāo)準(zhǔn)差單位的觀測(cè)值就認(rèn)為是異常值。 Plots/ 將 ZPRED（標(biāo)準(zhǔn)化預(yù)測(cè)值）選入 Y 框中，把 ZRESID（標(biāo)準(zhǔn)化殘差）移入 X 框中 / Normal probability plot、 Histogram，以便檢驗(yàn)殘差的正態(tài)性和方差齊性。 Save / Unstandardized （ 未 經(jīng) 標(biāo) 準(zhǔn) 化 預(yù) 測(cè) 值 ）、 Standardized 、 Studentized / Mean 、Individual/ Continue。 單擊 Option 按鈕，采用系統(tǒng)默認(rèn)設(shè)置。 最后單擊 OK，輸出結(jié)果及分析如下： ① 自變量進(jìn)入或剔除情況表表，如表 12? 所示 表 2— 1 V a r i a b l e s E n t e r e d / R e m o v e dbx a . E n t e rM o d e l1V a r i a b l e sE n t e r e dV a r i a b l e sR e m o ve d M e t h o dA l l r e q u e st e d v a r i a b l e s e n t e r e d .a . D e p e n d e n t V a r i a b l e : yb . 表中 12? 的模型中只有一個(gè)自變量 x 。 楚雄師范學(xué)院本科論文（設(shè)計(jì)） 6 ② 模型擬合的總體情況表，如表 22? 所示。 表 2— 2 Mo d el S u m m ar yb.994 a .988 .988 Model1R R S q uar eA dj us tedR S q uar eS td. E r r or ofth e E s ti mateD ur bi n W ats onP r edi c tor s : ( C ons tant ) , xa. D epen dent V ar i ab l e: yb. 由表 22? 知復(fù)相關(guān)系數(shù) ?R ， x 與 y 的相關(guān)為 ；確定系數(shù) ?R ，說明模型的擬合優(yōu)度非常高；經(jīng)過校正的系數(shù)為 ，也說明模型的擬合優(yōu)度非常高；誤差的獨(dú)立性檢驗(yàn)WatsonDurbin? 檢驗(yàn)的值為 ，查 WD? 檢驗(yàn)表知 ?? WD ，可以說明殘差與自變量之間相互獨(dú)立。 ③ 回歸方程檢驗(yàn)的方差分析表，如 表 32? 所示 表 2— 3 A N O V Ab7 3 2 4 4 . 0 3 2 17 3 2 4 4 . 0 3 27 4 6 9 . 0 5 7 . 0 0 0 a8 6 2 . 9 5 7 88 9 . 8 0 67 4 1 0 6 . 9 8 9 89R e g r e s s io nR e s id u a lT o t a lM o d e l1S u m o fS q u a r e s df M e a n S q u a r e F S ig .P r e d ic t o r s : ( C o n s t a n t ) , xa . D e p e n d e n t V a r ia b le : yb . 表中列出了回歸項(xiàng)和殘差項(xiàng)的平方和、自由度和均方，還列出了 F 值以及 Sig 值。從表 32? 中可以看出，回歸方程是顯著的， )88,1( ?F , ?p ，說明 y （車輪下墊鋼板測(cè)得的彎沉值）受 x （車輪下不墊鋼板測(cè)得的彎沉值）的顯著影響；剩余平方和（殘差平方和）為 。 ④ 回歸系數(shù)估計(jì)及其檢驗(yàn)表，如表 42? 所示。 表 2— 4 C o e f f i c i e n t sa . 8 4 0 1 . 8 6 5 . 4 5 1 . 6 5 31 . 0 8 0 . 0 1 2 . 9 9 4 8 6 . 4 2 4 . 0 0 0( C o n s t a n t )xM o d e l1B S t d . E r r o rU n s t a n d a r d i z e dC o e f f i c i e n t sB e t aS t a n d a r d i z e dC o e f f i c i e n t st S i g .D e p e n d e n t V a r i a b l e : ya . 表中顯示回歸模型中的回歸系數(shù)是： Constant（常數(shù)項(xiàng)，即回歸直線截距）為 ? ，自變量系數(shù)x 為 ，由此可知該分析的非標(biāo)準(zhǔn)化回歸方程可以寫為： iXY ?????? 0 8 4 ，標(biāo)準(zhǔn)化回歸方程為： XY ?? 。從表中也可看出回歸系數(shù)的顯著性水平為 ，表明 t 統(tǒng)計(jì)量檢驗(yàn)假設(shè)“回歸系數(shù)等于 0 的概率為 遠(yuǎn)小于 ”，同樣說明了量變量之間的線性相關(guān)關(guān)系極為顯著，楚雄師范學(xué)院本科論文（設(shè)計(jì)） 7 建立的回歸方程是有效的。 ⑤ 異常值診斷表，如表 52? 所示 表 2— 5 C a s e w i s e D i a g n o s t i c sa3 . 2 2 7 1 8 2 . 0 0 1 7 1 . 8 9 5 7 1 0 . 1 0 4 3 52 . 6 1 0 1 5 2 . 0 0 1 4 3 . 8 2 6 1 8 . 1 7 3 9 3 2 . 0 1 3 1 4 4 . 0 0 1 5 0 . 3 0 3 7 6 . 3 0 3 6 72 . 0 1 4 1 8 9 . 0 0 1 8 2 . 6 9 1 6 6 . 3 0 8 3 6C a s e N u m b e r27425072S t d . R e s i d u a l yP r e d i c t e dV a l u e R e s i d u a lD e p e n d e n t V a r i a b l e : ya . 在此如果標(biāo)準(zhǔn)化殘差的絕對(duì)值超過 2 ，就稱為異常值。表 52? 中依次列出了所有異常值的編號(hào)、標(biāo)準(zhǔn)化殘差大小、因變量取值、因變量的預(yù)測(cè)值以及殘差，從表可以看出所用的數(shù)據(jù)異常值不是很多，只 有 4個(gè)。 ⑥ 殘差統(tǒng)計(jì)量表，如表 62? 所示 表 2— 6 R e s i d u a l s S t a t i s t i c sa1 0 2 . 8 0 1 3 2 1 5 . 0 7 9 6 1 5 7 . 7 8 8 9 2 8 . 6 8 7 4 0 90 1 . 9 1 7 1 . 9 9 7 . 0 0 0 1 . 0 0 0 90. 3 3 0 . 7 4 1 . 4 5 3 . 1 1 4 901 0 2 . 5 1 3 9 2 1 5 . 2 6 2 0 1 5 7 . 7 8 6 8 2 8 . 6 9 1 6 4 90 6 . 3 0 3 6 7 1 0 . 1 0 4 3 5 . 0 0 0 0 0 3 . 1 1 3 8 6 90 2 . 0 1 3 3 . 2 2 7 . 0 0 0 . 9 9 4 90 2 . 0 2 5 3 . 2 4 9 . 0 0 0 1 . 0 0 5 90 6 . 3 7 9 4 3 1 0 . 2 4 6 0 3 . 0 0 2 0 4 3 . 1 7 9 5 8 90 2 . 0 6 2 3 . 4 4 4 . 0 0 6 1 . 0 2 0 90. 0 0 1 3 . 9 8 8 . 9 8 9 1 . 0 3 4 90. 0 0 0 . 0 8 0 . 0 1 1 . 0 1 6 90. 0 0 0 . 0 4 5 . 0 1 1 . 0 1 2 90P r e d i c t e d V a lu eS t d . P r e d i c t e d V a l u eS t a n d a r d E r r o r o fP r e d i c t e d V a lu eA d j u s t e d P r e d ic t e d V a lu eR e s i d u a lS t d . R e s i d u a lS t u d . R e s i d u a lD e le t e d R e s id u a lS t u d . D e l e t e d R e s i d u a lM a h a l . D i s t a n c eC o o k 39。s D i s t a n c eC e n t e r e d L e v e r a g e V a lu eM i n i m u m M a x i m u m M e a n S t d . D e v i a t i o n ND e p e n d e n t V a r i a b l e :