SPSS回归分析实训指导.doc

山 东 英 才 学 院 实 训 报 告  小组成员： 班级： 实训地点： 实训时间： 指导老师：尹晓宇 实训项目：Spss回归分析 实训内容：回归分析 相关系数 一元线性相关分析 多元线性相关分析 实训步骤与结果： 6.2 解： (1) 先做散点图 Graphs→Scatter/Dot→Simple Scatterplot，将y选入Y Axis，将x选入X Axis； 图6-2-1 图6-2-1显示的是航班正点率和投诉率的散点图，由图形可以看出两者大致呈线性关系。因此以航班正点率为自变量，投诉率为因变量建立线性回归模型。 （2）计算相关系数 Analyze→Correlate→Bivariate Correlations，将y和x选入Variables，选中Person，Two-tailed和Flag significant correlations。 表6-2-1 Correlations x 航班正点率 % y 投诉率 (次/10万名乘客) x 航班正点率 % Pearson Correlation 1 -.883** Sig. (2-tailed) .002 N 9 9 y 投诉率 (次/10万名乘客) Pearson Correlation -.883** 1 Sig. (2-tailed) .002 N 9 9 **. Correlation is significant at the 0.01 level (2-tailed). 表6-2-1是自变量和因变量的相关分析表，两者的Pearson相关系数为-0.883，显著性概率为0.0020.01，线性相关性显著。 （3）进行一元线性回归 Analyze→Regression→Linear Regression，将y选入Dependent，将x选入Independent(s)。 表6-2-2 ANOVAb Model Sum of Squares df Mean Square F Sig. 1 Regression .638 1 .638 24.674 .002 Residual .181 7 .026 Total .819 8 a. Predictors: (Constant), x 航班正点率 % b. Dependent Variable: y 投诉率 (次/10万名乘客) 表6-2-3 Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 6.018 1.052 5.719 .001 x 航班正点率 % -.070 .014 -.883 -4.967 .002 a. Dependent Variable: y 投诉率 (次/10万名乘客) 表6-2-2是回归模型的方差分析表，F值为24.674，显著性概率是0.0020.05，从而拒绝原假设，认为解释变量和因变量之间的线性关系非常显著，可以建立线性模型。 表6-1-4是回归模型的回归系数表，回归系数的显著性检验统计量t统计量的值为-4.967，对应的显著性水平Sig.=0.0020.05，认为方程显著，因此可以得出建立的回归模型为： （4）预测 在X列中输入80，Analyze→Regression→Linear Regression，在save选项中Predicted Values下选中Unstandardized，在Predicted Intervals同时选中Mean和Individual。数据文件中将输出非标准化的预测值及均值和个体值的预测区间。如果航班正点率为80%，用回归方程预测的投诉率为0.38468，均值95%的预测区间为（0.15071，0.61865），个体值95%的预测区间为（-0.06180，0.83116），由于投诉率0，所以个体值95%预测区间应为（0，0.83116）。因此，如果航班正点率为80%，每10万名乘客投诉的次数为38468次，均值95%的预测区间为（15071， 61865），个体值95%的预测区间为（0， 83116）。 6.1 解： （1）对因变量和解释变量进行相关性分析，Analyze→Correlate→Bivariate Correlations，将y、x1、x2、x3、x4和x5选入Variables，选中Person，Two-tailed和Flag significant correlations。 表6-1-1是相关分析的结果：民航客运量与国民收入、消费额、民航航线里程和来华旅游入境人数相关系数较高，相关性显著，Sig. (1-