spss軟件回歸分析ppt課件(編輯修改稿)
2025-05-25 22:09 本頁面
【文章內容簡介】 更接近樣本數(shù)據(jù)，這時可以采用曲線估計的方法，其步驟如下： ? 首先根據(jù)實際問題本身特點，同時選擇幾種模型； ? 然后 SPSS自動完成模型的參數(shù)估計，并顯示 R F檢驗值、相伴概率值等統(tǒng)計量； ? 最后，選擇具有 R2統(tǒng)計量值最大的模型作為此問題的回歸模型，并作一些預測。 ? 研究問題 試用 SPSS對國內生產總值和社會消費品零售總額之間的關系進行曲線回歸分析。數(shù)據(jù)如表 74所示。（資料來源： 《 中國統(tǒng)計年鑒2022》 ，中國統(tǒng)計出版社， 2022年） SPSS中實現(xiàn)過程 表 74 1978～ 2022年社會消費品零售總額 年 份 國內生產總值（億元） 社會消費品零售總額（億元） 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2022 2022 2022 2022 2022 2022 2022 ? 實現(xiàn)步驟 圖 713 “Curve Estimation”對話框（二） 圖 714 “Curve Estimation： Save”對話框（一） （ 1） SPSS輸出結果文件中的第一部分如下表所示。 結果和討論 （ 2）輸出的結果文件中第二部分如圖 715所示。 （ 3）由于進行曲線估計時所選的曲線模型種類較多，所以使得輸出的觀察值與在各種函數(shù)模型條件下預測值的對比圖比較復雜，不易分辨出究竟 Linear， Quadratic， Cubic及Power這 4種曲線究竟哪種的對樣本觀察值的擬合優(yōu)度更符合實際。 圖 716 對比圖 2 （ 4）重新回到圖 713所示對話框，在“ Model”框內只選中 “ Quadratic”和 “ Cubic”這兩種擬合優(yōu)度更高的曲線模型進行估計。得出它們與觀察值的對比圖，如圖 717所示。 圖 717 對比圖 3 （ 5）如果在圖 713所示對話框中選中了“ Display ANOVA table”項，作回歸方程顯著性檢驗，將輸出相應的方差分析表，以Cubic模型為例（如下表所示），其結果是：回歸方程顯著有意義，并且 x,x2,x3三個自變量的系數(shù)顯著不為零。 （ 6）由于在圖 713所示對話框中選了“ Save”項，且在圖 714所示的 “ Save Variables”框中選擇了 “ Predicted values”，“ Residuals”和 “ Prediction intervals”3個選項，因此在 SPSS數(shù)據(jù)編輯窗口中就增了fit_1， err_1， lcl_1， ucl_1等 44個變量的值，如圖 718所示。 圖 718 曲線估計分析結果保存 統(tǒng)計學上的定義和計算公式 時間序列的曲線估計 定義：時間序列的曲線估計是分析社會和經(jīng)濟現(xiàn)象中經(jīng)常用到的一種曲線估計。通常把時間設為自變量 x，代表具體的經(jīng)濟或社會現(xiàn)象的變量設為因變量 y，研究變量 x與 y之間關系的方法就是時間序列曲線估計。其具體步驟與一般的曲線估計基本類似。 計算公式： SPSS中時間序列的曲線估計模型與上一節(jié)所介紹相同。 ? 研究問題 試用 SPSS對 1978～ 2022年間社會消費品零售總額之間的關系進行曲線回歸分析。數(shù)據(jù)如表 75所示。（資料來源： 《 中國統(tǒng)計年鑒2022》 ，中國統(tǒng)計出版社， 2022年） SPSS中實現(xiàn)過程 表 75 1978～ 2022年社會消費品零售總額 序 號 年 份 社會消費品零售總額（億元） 1 1978 2 1979 3 1980 4 1981 5 1982 6 1983 7 1984 8 1985 9 1986 10 1987 11 1988 12 1989 13 1990 14 1991 15 1992 16 1993 17 1994 18 1995 19 1996 20 1997 21 1998 22 1999 23 2022 24 2022 25 2022 26 2022 27 2022 28 2022 29 2022 ? 實現(xiàn)步驟 圖 719 “Curve Estimation”對話框（三） 圖 720 “Curve Estimation： Save”對話框（二） （ 1）第一部分輸出相關統(tǒng)計量和參數(shù)的值如下表所示。 結果和討論 （ 2）第二部分輸出的是觀察值 Linear，Cubic， Power和 Exponential 4種曲線預測值的對比圖，如圖 721所示。 （ 3）由于在圖 719所示 “ Curve Estimation”對話框（三）中選了 “ Save”項，且在圖 720的 “ Save Variables”框中選擇了“ Predicted values”選項和 “ Predict Cases”框中選擇了 “ Predict through”項，并且在 “ Observation”框中鍵入了 “ 31”，因此在 SPSS數(shù)據(jù)編輯窗口中就新增了 fit_1，fit_2， fit_3和 fit_4等 4個變量的預測值，同時在窗口下方還新增了兩個個案，它們分別代表對 2022年和 2022年的預測值。如圖 722所示。 統(tǒng)計學上的定義和計算公式 含虛擬自變量的回歸分析 定義：前面幾節(jié)所討論的回歸
教學課件相關推薦
鄂ICP備17016276號-1