SPSS统计第九章作业.docVIP

第一题： 相关性 相关性 生产性固定资产价值 工业总产值 生产性固定资产价值 Pearson 相关性 1 .948** 显著性（双侧） .000 N 10 10 工业总产值 Pearson 相关性 .948** 1 显著性（双侧） .000 N 10 10 **. 在 .01 水平（双侧）上显著相关。 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .948a .898 .886 126.62795 a. 预测变量: (常量), 生产性固定资产价值。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 1132339.800 1 1132339.800 70.618 .000a 残差 128277.100 8 16034.637 总计 1260616.900 9 a. 预测变量: (常量), 生产性固定资产价值。 b. 因变量: 工业总产值 系数a 模型 非标准化系数 标准系数 B 标准 误差 试用版 t Sig. 1 (常量) 395.567 80.261 4.929 .001 生产性固定资产价值 .896 .107 .948 8.403 .000 a. 因变量: 工业总产值 1、两变量之间呈正相关；2、线性回归方程为Y=395.567+0.896X，表示生产性固定资产总值每增加1个单位，工业总产值增加0.896个单位；3、F统计量对应的概率是0.00，小于0.05，回归方程的线性关系显著，即用线性模型描述它们之间的关系恰当；4、t统计量对应的概率是0.00，小于0.05，回归系数显著，即X能保存在回归方程中；5、判定系数是0.898，说明回归方程对样本数据点的拟合程度较高；6、生产固定总值为1100万元时，总产值的可能值为1381.167万元。 第二题： 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .943a .890 .876 .14194 a. 预测变量: (常量), 体重。 Anovab 模型 平方和 df 均方 F Sig. 1 回归 1.304 1 1.304 64.705 .000a 残差 .161 8 .020 总计 1.465 9 a. 预测变量: (常量), 体重。 b. 因变量: 体表面积 系数a 模型 非标准化系数 标准系数 B 标准 误差 试用版 t Sig. 1 (常量) 2.661 .385 6.915 .000 体重 .229 .028 .943 8.044 .000 a. 因变量: 体表面积 已排除的变量b 模型 共线性统计量 Beta In t Sig. 偏相关 容差 1 身高 .215a .919 .389 .328 .256 a. 模型中的预测变量: (常量), 体重。 b. 因变量: 体表面积 1、多元回归方程为Y=2.661+0.229X，X表示体重，Y表示体表面积，表示体重增加1个单位，体表面积增加0.229个单位；2、F统计量的概率是0.000，小于0.05，回归方程的线性关系显著，即用线性模型描述它们之间的关系恰当；3、体重的t统计量的概率为0.000，小于0.05，即回归系数显著，体重能保留在回归方程中；身高的t统计量的概率为0.389，大于0.05，即回归系数不显著，身高不能保留在回归方程中；4、判定系数是0.876，说明回归方程对样本数据点的拟合程度高。 第三题： 模型汇总 模型 R R 方 调整 R 方 标准 估计的误差 1 .878a .771 .743 2487.83460 2 .950b .902 .874 1738.98462 a. 预测变量: (常量), 收入X2。 b. 预测变量: (常量), 收入X2, 价格X1。 Anovac 模型 平方和 df 均方 F Sig. 1 回归 1.670E8 1 1.670E8 26.978 .001a 残差 4.951E7 8 6189320.980 总计 2.165E8 9 2 回归 1.953E8 2 9.766E7 32.294 .000b 残差 2.117E7 7 3024067.511 总计 2.165E8 9 a. 预测变量: (常量), 收入X2。 b. 预测变量: (常量), 收入X2, 价格X1。 c. 因变量: 需求量Y 系数a 模型 非标准化系数 标准系数 B 标准 误差 试用版 t Sig. 1 (常量) 52140.580 2973.212 17.537 .000 收入X2 .114 .022 .878 5.194 .001 2 (常量) 62650.928 4013.010 15.612 .000 收入X2 .286 .058 2.211 4.902 .002 价格X1 -979.057 319.784 -1.381 -3.062 .018