实验5-回归分析(共10页).doc

《实验5-回归分析(共10页).doc》由会员分享，可在线阅读，更多相关《实验5-回归分析(共10页).doc（10页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上实 验 报 告课程名称 试验设计与数据分析 姓 名 邵建智 学 号 专 业 生物系统工程 实验名称 回归分析 浙江大学生物系统工程与食品科学学院二O一三年八月 制实验五：回归分析实验类型： 上机操作 实验地点： 农生环D-414指导老师： 傅霞萍 实验日期： 2013年 10月 22日一、 实验目的和要求（1）熟练使用SPSS进行相关分析、曲线拟合、一元线性回归分析、多元线性回归、逐步线性回归分析等二、 实验内容和原理2.1 实验原理2.2 实验内容（显著性水平5%）（1）相关分析某农场通过试验取得早稻收获量与春季降雨和春季温度的数据如下，利用二元变量相关分析(Biv

2、ariate)对降雨量与收获量进行相关分析；控制温度影响，对降雨量与收获量进行偏相关分析 (Partial)。收获量（kg/公顷）1500230030004500480050005500降雨量（mm）x1253345105110115120温度（）x2681013141617（2）一元线性回归某食品感官评定时，测得食品甜度与蔗糖浓度的关系如下表所示，试求y对x 的直线回归方程。蔗糖浓度（x）%1.03.04.05.57.08.09.5甜度（y）1518192122.623.826（3）多元线性回归分析 某VCD连锁店非常想知道在电视台做广告与在广播电台做广告哪种媒体更有效。它收集了连锁店各个商

3、店月销售额（万元）数据和每月用在以上两种媒介的广告支出。销售额广播电视818 13 17 1101 23 37 781 33 30 1076 41 22 1253 22 30 836 17 21 710 24 25 684 17 25 1007 23 23 952 11 28 876 12 27 821 31 22 633 10 30 1428 32 25 1159 27 23 711 17 18 800 21 29 718 15 30 1516 34 31 752 23 16 三、 主要仪器设备/实验环境（使用的软件等）IBM SPSS 19.0等四、 操作方法与实验步骤（必填，上机操作过程

4、，可以插图）（1）相关分析二元变量相关分析(Bivariate)对降雨量与收获量进行相关分析:控制温度影响，对降雨量与收获量进行偏相关分析 (Partial):（2）一元线性回归（3）多元线性回归分析五、 实验数据记录和处理（必填，图表数据、计算结果、对图表的处理）（1）相关分析二元变量相关分析(Bivariate)对降雨量与收获量进行相关分析:描述性统计量均值标准差N收获量3800.001527.5257降雨量79.0042.4307相关性收获量降雨量收获量Pearson 相关性1.984*显著性（双侧）.000N77降雨量Pearson 相关性.984*1显著性（双侧）.000N77*.

5、在 .01 水平（双侧）上显著相关。控制温度影响，对降雨量与收获量进行偏相关分析 (Partial):描述性统计量均值标准差N降雨量79.0042.4307收获量3800.001527.5257温度12.004.1237相关性控制变量降雨量收获量温度降雨量相关性1.000.759显著性（双侧）.080df04收获量相关性.7591.000显著性（双侧）.080.df40（2）一元线性回归输入移去的变量b模型输入的变量移去的变量方法1蔗糖浓度a.输入a. 已输入所有请求的变量。b. 因变量: 甜度模型汇总模型RR 方调整 R 方标准 估计的误差1.999a.997.997.2078a. 预测变量

6、: (常量), 蔗糖浓度。Anovab模型平方和df均方FSig.1回归83.818183.8181940.480.000a残差.2165.043总计84.0346a. 预测变量: (常量), 蔗糖浓度。b. 因变量: 甜度系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)13.958.17380.466.000蔗糖浓度1.255.028.99944.051.000a. 因变量: 甜度（3）多元线性回归分析输入移去的变量a模型输入的变量移去的变量方法1广播.步进（准则: F-to-enter 的概率 = .100）。a. 因变量: 销售额模型汇总模型RR 方调整 R 方标准

7、估计的误差1.540a.291.252217.533a. 预测变量: (常量), 广播。Anovab模型平方和df均方FSig.1回归.6811.6817.403.014a残差.1191847320.784总计.80019a. 预测变量: (常量), 广播。b. 因变量: 销售额系数a模型非标准化系数标准系数tSig.共线性统计量B标准 误差试用版容差VIF1(常量)579.880138.1194.198.001广播15.7725.797.5402.721.0141.0001.000a. 因变量: 销售额已排除的变量b模型Beta IntSig.偏相关共线性统计量容差VIF最小容差1电视.27

8、1a1.400.180.3221.0001.0001.000a. 模型中的预测变量: (常量), 广播。b. 因变量: 销售额共线性诊断a模型维数特征值条件索引方差比例(常量)广播111.9361.000.03.032.0645.497.97.97a. 因变量: 销售额六、 实验结果与分析（必填）（1）相关分析a二元变量相关分析(Bivariate)对降雨量与收获量进行相关分析: 从表中可以看出，收获量与降雨量之间相关系数为0.984，两者有较大的正相关性，且P0.05，所以两者相关不显著。（2）一元线性回归 两者相关系数R=0.999，方程配合适度检验和结果，P(sig.)0.01，说明蔗糖

9、浓度和甜度之间有回归关系存在，直线回归方程为：y=1.255x+13.958，x为蔗糖浓度，y为甜度，P0.05，所以剔除“电视”这一变量，它对销售额的结果影响不显著，由方程配合适度检验，P=0.0140.05，所以认为广播与销售额之间有回归关系存在，回归方程为y=15.772x+579.880,x为连锁店在广播媒介上的广告支出，y为连锁店的销售额。七、 讨论、心得1、相关分析和偏相关分析的结果不一定相同，如第一题中进行相关分析时，两变量显著相关，若控制温度影响，进行偏相关分析时，两变量不显著相关。2、若进行一元线性回归进行回归分析时，得出回归方程后不能马上得出结果，还需对回归系数B进行检验，只有当结果显著时才能得出最后结果。3、进行多远线性回归分析用不同的方法也可能有不同的结果，如第三题选择“逐步线性回归”，可剔除“电视”对销售额的影响，得出只有广播影响销售额的结论，但若选择“进入”时，就会有“电视”和“广播”均对销售额有影响，此时得出的回归方程也包含“电视”和“广播”两个变量。专心-专注-专业