PAGEPAGE6Spss第4次作業第1題(1)【實驗目的】學會用spss進行相關分析(2)【實驗內容】1、對15家商業企業進行客戶滿意度調查，同時聘請相關專家對這15家企業的綜合競爭力進行評分，結果如下表編號客戶滿意度得分綜合競爭力得分190702100803150150413014051209061101207402081401309106010203011801001270110133010145040156050這些數據能否說明企業的客戶滿意度與綜合競爭力存在較強的正相關關系？為什么？(3)【操作步驟】輸入數據→圖形→散點圖/點圖→選擇“簡單散點圖”→定義→將“綜合競爭得分”導入“Y軸”→將“客戶滿意度得分”導入“X軸”→確定；2.在數據輸出窗口，雙擊圖形空白處→元素→總計擬合線→線性→應用；3.分析→回歸→線性→添加客戶滿意度得分到因變量，綜合競爭力的分到自變量→確定(4)【輸出結果】輸入/除去的變量a模型輸入的變量除去的變量方法1綜合競爭力得分b.輸入a.因變量：客戶滿意度得分b.已輸入所請求的所有變量。模型摘要客戶滿意度得分皮爾遜相關性1.864**顯著性（雙尾）.000平方和與叉積28000.00024200.000協方差2000.0001728.571個案數1515綜合競爭力得分皮爾遜相關性.864**1顯著性（雙尾）.000平方和與叉積24200.00028000.000協方差1728.5712000.000個案數1515**.在0.01級別（雙尾），相關性顯著。(5)【結果分析】回歸分析顯著性為0.202，皮爾遜相關系數相差較大，可能是有最后幾組差異較大的數據點所影響。線性回歸方程：1950年每百萬男子中死于肺癌人數=67.561+1930年人均香煙消耗量*0.228。第3題(1)【實驗目的】學會用spss進行相關分析(2)【實驗任務】收集到某商品在不同地區的銷售額，銷售價格以及該地區平均家庭收入的數據，如下表所示：銷售額（萬元）銷售價格（元）家庭收入（元）1005010000757060008060120007060500050803000657040009050130001004011000110301300060903000繪制銷售額，銷售價格以及家庭收入兩兩變量間的散點圖，如果所繪制的圖形不能比較清晰地展示變量之間的關系，應對數據如何處理后再繪圖？選擇恰當的統計方法分析銷售額與銷售價格之間的相關關系。(3)【操作步驟】步驟：圖形>舊對話框>散點圖>矩陣散點圖>定義>添加銷售額（萬元），銷售價格（元）家庭收入（元）>確定步驟：分析>相關>雙變量>銷售價格，家庭收入，銷售額添加到變量中>選擇皮爾遜相關系數>選擇雙尾顯著性檢驗>確定>>(4)【輸出結果】相關性銷售價格（元）家庭收入（元）銷售額（萬元）銷售價格（元）皮爾遜相關性1-.857**-.933**顯著性（雙尾）.002.000個案數101010家庭收入（元）皮爾遜相關性-.857**1.880**顯著性（雙尾）.002.001個案數101010銷售額（萬元）皮爾遜相關性-.933**.880**1顯著性（雙尾）.000.001個案數101010**.在0.01級別（雙尾），相關性顯著。(5)【結果分析】1.從相關性分析表中得出：銷售價格與家庭收入與銷售額三者兩兩相關，并且皮爾遜相關系數絕對值較大成很強的相關性。2.結論分析：如圖所擬合的直線，銷售額與銷售價格由較強的負相關。回歸分析第4題(1)【實驗目的】學會用spss進行回歸分析(2)【實驗任務】數據學生成績一.sav和學生成績二.sav，任意選擇兩門成績作為解釋變量和被解釋變量，利用SPSS提供的繪制散點圖功能進行一元線性回歸分析，請繪制全部樣本以及不同性別下兩門成績的散點圖，并在圖上繪制三條回歸直線，其中，第一條針對全體樣本，第二條和第三條分別針對男生樣本和女生樣本，并對各回歸直線的擬合效果進行評價。(3)【操作步驟】打開“學生成績一.sav”→圖形→散點圖/點圖→簡單散點圖→定義→將數據導入“X軸”、“Y軸”→確定；在查看器中→圖形→激活；→選擇元素→總計擬合曲線和子組擬合曲線。分析→回歸→線性→將數據導入“因變量”、“自變量”→統計→選中“共線性診斷”→繼續→確定。(4)【輸出結果】ANOVAa模型平方和自由度均方F顯著性1回歸461.8711461.8717.934.007b殘差3376.5415858.216總計3838.41359a.因變量：chib.預測變量：(常量),math(5)【結果分析】上表得出，不論是總體擬合效果還是男女分類擬合效果，都比較差，這說明，這兩門成績的相關性弱。第5題(1)【實驗目的】建立多元線性回歸方程，分析影響的主要因素。(2)【實驗任務】請先收集若干年糧食總產量以及播種面積，使用化肥量，農業勞動人數等數據，然后建立多元線性回歸方程，分析影響糧食總產量的主要因素，數據文件“糧食總產量.sav”(3)【操作步驟】分析—回歸—線形(4)【輸出結果】輸入/除去的變量a模型輸入的變量除去的變量方法1農業勞動者人數(百萬人),糧食播種面積(萬公頃),施用化肥量(kg/公頃)b.輸入a.因變量：糧食總產量(y萬噸)b.已輸入所請求的所有變量。模型摘要模型RR方調整后R方標準估算的誤差1.986a.971.9681378.77302a.預測變量：(常量),農業勞動者人數(百萬人),糧食播種面積(萬公頃),施用化肥量(kg/公頃)ANOVAa模型平方和自由度均方F顯著性1回歸1989131592.7473663043864.249348.784.000b殘差58931465.939311901015.030總計2048063058.68634a.因變量：糧食總產量(y萬噸)b.預測變量：(常量),農業勞動者人數(百萬人),糧食播種面積(萬公頃),施用化肥量(kg/公頃)系數a模型未標準化系數標準化系數t顯著性B標準誤差Beta1(常量)-20715.6147459.573-2.777.009糧食播種面積(萬公頃)2.136.513.1544.167.000施用化肥量(kg/公頃)128.80213.679.6909.416.000農業勞動者人數(百萬人)62.4619.836.4616.350.000風災面積比例(%)-198.59854.231-.112-3.662.001a.因變量：糧食總產量(y萬噸)(5)【結果分析】結論分析：從最后的系數的分析表中得出，其中施用化肥量與糧食總產量的相關性最大。第6題(1)【實驗目的】完成下列題目(2)【實驗任務】一家產品銷售公司在30個地區設有銷售分公司。為研究產品銷售量（y）與銷售價格(x1)各地區的人均收入（x2），廣告費用（x3）之間的關系，搜集到30個地區的有關數據。進行多元回歸分析所得的結果如下：表1模型離差平方和Df均方離差FSig回歸12026774.134008924.772.798.88341E-13剩余1431812.62655069.7154總計13458586.7294063994.4154表2非標準化系數tSigB標準誤差常數7589.124483.10.00457X1-117.931.95-3.690.00103X280.614.765.460.00001X30.50120.1263.980.00049將表1中的數據補齊.如圖一寫出銷售量與銷售價格，年人均收入，廣告費用的多元線性回方程，并解釋各回歸系數的意義。Y=-117.9X1+80.6X2+0.5012X3+7589.1檢驗回歸方程的線性關系是否顯著。顯著檢驗各回歸系數是否顯著，均小于0.05，顯著計算判定系數，并解釋它的實際意義。12026774.1/13458586.7=0.91表明回歸方程對樣本數據點擬合優度高。第7題(1)【實驗目的】用spss預測數據，并估計誤差(2)【實驗任務】試根據“糧食總產量.sav”數據，利用SPSS曲線估計方法選擇恰當的模型，對樣本期外的糧食總產量進行外推預測，并對平均預測預測誤差進行估計。(3)【操作步驟】圖形，舊對話框，線圖，簡單，個案組摘要，定義，類別軸選擇“年份”，其他統計量變量選擇“糧食總產量”。確定步驟：分析，回歸，曲線估計，將“糧食總產量”導入因變量。選擇時間，選擇二次項和指數分布。保存，確定。(4)【輸出結果】二次模型匯總RR方調整R方估計值的標準誤.978.957.9551651.679ANOVA平方和df均方FSig.回歸1.961E929.804E8359.372.000殘差8.730E7322728042.572總計2.048E934系數未標準化系數標準化系數tSig.B標準誤Beta個案順序-164.291113.713-.217-1.445.158個案序列**224.2343.0641.1877.909.000（常數）17269.480887.80319.452.000指數模型匯總RR方調整R方估計值的標準誤.939.881.878.107ANOVA平方和df均方FSig.回歸2.82812.828244.898.000殘差.38133.012總計3.20934系數