统计学实验excel实验3Word格式文档下载.docx
《统计学实验excel实验3Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《统计学实验excel实验3Word格式文档下载.docx(15页珍藏版)》请在冰点文库上搜索。
![统计学实验excel实验3Word格式文档下载.docx](https://file1.bingdoc.com/fileroot1/2023-5/4/0f14e47d-69b2-488b-9a81-71a0b8ce4b9c/0f14e47d-69b2-488b-9a81-71a0b8ce4b9c1.gif)
6.9
3
3.0
7.2
4
2.9
7.3
5
3.4
8.4
6
3.9
8.8
7
4.0
9.1
8
4.8
9.8
9
4.9
10.6
10
5.2
10.7
11
5.4
11.1
12
5.5
11.8
13
6.2
12.1
14
7.0
12.4
1、利用excel计算相关系数
(1)绘制散点图
图3-1设备能力余劳动生产率散点图
(2)计算相关系数
1)常规方法计算相关系数
分别计算公式中的各项,如图3-2所示。
图3-2常规法计算相关系数
常规方法还可以通过=(COUNT(A2:
A15)*SUM(D2:
D15)-SUM(B2:
B15)*SUM(C2:
C15))/(SQRT(COUNT(A2:
A15)*SUM(E2:
E15)-SUM(B2:
B15)^2)*SQRT(COUNT(A2:
A15)*SUM(F2:
F15)-SUM(C2:
C15)^2))公式来计算相关系数r。
2)运用函数计算相关系数
运用函数correl公式来计算其相关系数,如图3-3所示。
图3-3函数法计算相关系数
3)运用数据分析工具计算相关系数
运用数据分析工具中“相关系数”工具计算相关系数如图3-4至图3-6所示。
图3-4数据分析工具计算相关系数
(一)
图3-5数据分析工具计算相关系数
(二)
图3-6数据分析工具计算相关系数(三)
2、利用SPSS计算相关系数
相关分析使用某个指标来表明现象之间相互依存关系的密切程度,用来测度简单线性相关关系的系数是pearson简单相关系数。
在做相关分析之前,可以先利用散点图来观察两个变量之间有无相关趋势,从图形能判断它们存在一定的相关趋势后,能使随后的相关分析更有意义。
步骤为:
依次点击菜单“【图形】→【图形构建程序】”,如图3-7所示,打开图形构建器,选择“散点图/点图”,将“设备能力”变量作为横轴,“劳动生产率”变量作为纵轴作图,如图3-8所示,输出如图3-9所示。
图3-7图形-图形构建程序
图3-8图形构建设置窗口
图3-9设备能力与劳动生产率的散点图
观察设备能力与劳动生产率的散点图,可以初步判断二者存在一定的正相关关系。
下一步可以进行相关分析,以明确这种相关性的存在性及其程度大小。
依次选择“【分析】→【相关】→【双变量】”打开对话框如图3-10所示,将待分析的两个指标移入右边的变量列表框内;
最下方的“标记显著性相关”复选框要求在结果中用星号标记有统计学意义的现关系数,默认为选中。
此时P<
0.05的系数值旁会标记一个星号,P<
0.01会标记两个星号。
图3-10双变量相关分析的设置窗口
计算结果如图3-11所示。
图3-11相关分析结果输出
图3-11显示了pearson相关系数及其检验结果。
可见,pearson相关系数在0.01的显著性(双侧检验)上都非常显著,可以推断出设备能力与劳动生产率之间存在着明显的正相关。
三、回归分析
例3-2:
利用例3-1中数据,运用不同方法建立回归方程。
1、利用excel进行回归分析
(1)常规方法建立一元线性回归方程
分别计算公式中的各项,如图3-12所示。
图3-12常规方法回归分析
C15))/(COUNT(A2:
B15)^2)公式来计算相关系数b,通过=AVERAGE(C2:
C15)-E18*AVERAGE(B2:
B15)计算a。
通过此方法计算得到的回归方程为:
(2)用“添加线性趋势线”建立一元线性回归方程
1)绘制散点图;
2)单击散点图中任一点,右击鼠标,选择“添加趋势线”命令,如图3-13所示,选择“线性”,并勾选“显示公式”和“显示R平方值”,点击确定,得到结果如图3-14所示。
图3-13“添加趋势线”对话框
图3-14散点图中插入趋势线结果
由插入的趋势线得到的回归方程为:
(R2=0.9613),该模型的拟合优度可用判定系数来决定,表明劳动生产率的变化中有96.13%可由设备能力加以解释,剩余的5.77%则由其余因素引起。
(3)用“统计函数”建立一元线性回归方程
1)运用intercept函数和slope函数求解截距和斜率
图3-15intercept函数和slope函数求解结果
此方法得到的回归方程为:
2)运用linest函数建立一元线性回归方程
图3-16linest函数求解结果
(4)用数据分析工具建立一元线性回归方程
图3-17数据分析工具“回归”结果输出图
图3-18数据分析工具“回归”结果输出图(残差图&
概率输出图)
图3-19数据分析工具“回归”结果输出图(残差图)
图3-20数据分析工具“回归”结果输出图(线性拟合图)
图3-21数据分析工具“回归”结果输出图(正态概率图)
2、利用SPSS进行回归分析
步骤1:
选择菜单“【分析】→【回归】→【线性】”,打开线性回归对话框。
将变量“劳动生产率”移入“因变量”列表框中,将“设备能力”移入“自变量”列表框中。
单击“方法”框下拉列表,选择“进入”,表示所选自变量全部进入回归模型,如图3-22所示。
图3-22线性回归对话框
步骤2:
单击“统计量”按钮,在弹出的对话框中设置要输出的统计量。
这里选中估计、模型拟合度及描述性复选框,如图3-23所示。
图3-23线性回归-统计量子对话框
估计:
输出有关回归系数的统计量,包括回归系数、回归系数的标准差、标准化的回归系数、t统计量及其对应的p值等;
置信区间:
输出每个回归系数的95%的置信度估计区间;
协方差矩阵:
输出解释变量的相关系数矩阵和协差阵;
模型拟合度:
输出可决系数、调整的可决系数、回归方程的标准误差、回归方程F检验的方差分析。
步骤3:
单击绘制按钮,在图子对话框中的标准化残差图选项栏中选中正态概率图复选框,以便对残差的正态性进行分析,如图3-24所示。
图3-24线性回归-图子对话框
步骤4:
单击保存按钮,在Save子对话框中残差选项栏中选中未标准化复选框,如图3-25所示,这样可以在数据文件中生成一个变量名尾res_1的残差变量,以便对残差进行进一步分析。
图3-25线性回归-保存子对话框
其余保持SPSS默认选项。
在主对话框中单击“确定”按钮,执行线性回归命令,其结果如图3-26至图3-3所示。
图3-26回归模型的描述
图3-26所示是对模型中各个变量纳入模型情况进行汇总,由表可见,只有一个自变量,变量选择的方法是强行进入法,也就是将所有的自变量都放入模型中。
图3-27回归方程拟合情况的描述
图3-27所示是对回归方程拟合情况的描述,可知相关系数的取值、相关系数的平方即决定系数,校正后的决定系数和回归系数的标准误。
R为0.980,与前面相关分析中的结果一致;
决定系数R2为0.961,证明模型效果较好(决定系数越大,模型的效果越好)。
图3-28回归系数及其显著性检验结果
图3-28所示给出了回归方程中常数项、回归系数的估计值和检验结果,a为3.100,b为1.448,回归方程为:
劳动生产率=3.100+1.448*设备能力。
对回归系数的检验拒绝了原假设,认为自变量对因变量的线性关系是确实存在的。
图3-29回归模型的显著性检验结果
图3-29所示为对模型进行方法分析的结果,F值为298.363,P为0.000,提示模型具有统计学意义,即存在显著线性关系。
图3-30标准残差P-P图
为了判断随机扰动项是否服从正态分布,观察图3-30所示的标准化残差的P-P图,可以发现,各观测的散点基本上都分布在对角线上,据此可以初步判断残差服从正态分布。
四、练习
某大型连锁店调查了12家分店的营业支出和营业收入,结果如表3-2所示,试求:
(1)判别营业支出和营业收入之间的相关关系,试运用散点图说明(excel和SPSS)。
(2)若营业支出和营业收入呈线性关系,请运用“添加趋势线”,函数法,数据分析工具,SPSS等方法拟合线性方程,并判断方程是否能说明现象的实际情况。
表3-2营业支出和营业收入数据表
编号
支出(万元)
收入(万元)
15
19