跟我学SPSS多元线性回归.doc

跟我学SPSS多元线性回归 线性回归数据来自于国泰安数据服务中心的经济研究数据库。网址：/p/sq/。数据名称为：全国各地区能源消耗量与产量，该数据的年度标识为2006年，地区包括我国30个省，直辖市，自治区（西藏地区无数据）。 1.1 数据预处理 数据预处理包括的内容非常广泛，包括数据清理和描述性数据汇总，数据集成和变换，数据归约，数据离散化等。本次实习主要涉及的数据预处理只包括数据清理和描述性数据汇总。一般意义的数据预处理包括缺失值填写和噪声数据的处理。于此我们只对数据做缺失值填充，但是依然将其统称数据清理。 1.1.1 数据导入与定义 单击“打开数据文档”，将xls格式的全国各地区能源消耗量与产量的数据导入SPSS中，如图1-1所示。 图1-1 导入数据 导入过程中，各个字段的值都被转化为字符串型（String），我们需要手动将相应的字段转回数值型。单击菜单栏的“”--“”将所选的变量改为数值型。如图1-2所示： 图1-2?定义变量数据类型 1.1.2 数据清理 数据清理包括缺失值的填写和还需要使用SPSS分析工具来检查各个变量的数据完整性。单击“”--“”，将检查所输入的数据的缺失值个数以及百分比等。如图1-3所示：? 图1-3缺失值分析 能源数据缺失值分析结果如表1-1所示： 单变量统计 ? N 均值 标准差 缺失 极值数目a 计数 百分比 低 高 能源消费总量 30 9638.50 6175.924 0 .0 0 1 煤炭消费量 30 9728.99 7472.259 0 .0 0 2 焦炭消费量 30 874.61 1053.008 0 .0 0 2 原油消费量 28 1177.51 1282.744 2 6.7 0 1 汽油消费量 30 230.05 170.270 0 .0 0 1 煤油消费量 28 45.40 66.189 2 6.7 0 4 柴油消费量 30 392.34 300.979 0 .0 0 2 燃料油消费量 30 141.00 313.467 0 .0 0 3 天然气消费量 30 19.56 22.044 0 .0 0 2 电力消费量 30 949.64 711.664 0 .0 0 3 原煤产量 26 9125.97 12180.689 4 13.3 0 2 焦炭产量 29 1026.49 1727.735 1 3.3 0 2 原油产量 18 1026.48 1231.724 12 40.0 0 0 燃料油产量 25 90.72 134.150 5 16.7 0 3 汽油产量 26 215.18 210.090 4 13.3 0 2 煤油产量 20 48.44 62.130 10 33.3 0 0 柴油产量 26 448.29 420.675 4 13.3 0 1 天然气产量 20 29.28 49.391 10 33.3 0 3 电力产量 30 954.74 675.230 0 .0 0 0? 表2-1 能源消耗量与产量数据缺失值分析 表1-1 能源消耗量与产量数据缺失值分析 SPSS提供了填充缺失值的工具，点击菜单栏“”--“”，即可以使用软件提供的几种填充缺失值工具，包括序列均值，临近点中值，临近点中位数等。结合本次实习数据的具体情况，我们不使用SPSS软件提供的替换缺失值工具，主要是手动将缺失值用零值来代替。 ? 1.1.3 描述性数据汇总 描述性数据汇总技术用来获得数据的典型性质，我们关心数据的中心趋势和离中趋势，根据这些统计值，可以初步得到数据的噪声和离群点。中心趋势的量度值包括：均值（mean），中位数（median），众数（mode）等。离中趋势量度包括四分位数（quartiles），方差（variance）等。 SPSS提供了详尽的数据描述工具，单击菜单栏的“”--“”--“”，将弹出如图2-4所示的对话框，我们将所有变量都选取到，然后在选项中勾选上所希望描述的数据特征，包括均值，标准差，方差，最大最小值等。由于本次数据的单位不尽相同，我们需要将数据标准化，同时勾选上“将标准化得分另存为变量”。 图1-4 描述性数据汇总 得到如表1-2所示的描述性数据汇总。 ? N 极小值 极大值 均值 标准差 方差 能源消费总量 30 911 26164 9638.50 6175.924412 煤炭消费量 30 332 29001 9728.99 7472.259378 焦炭消费量 30 19 5461 874.61 1053.008 1108824.853 原油消费量 30 0 5555 1099.01 1273.265 1621202.562 汽油消费量