应用回归分析之简单线性回归(SPSS版本)

  • A+
所属分类:应用回归分析
摘要这一篇文章会主要研究在应用回归分析中线性回归的一些使用,我们在这里会通过具体的例子,使用spss和Mathematica分别来做示范,也可以算是Wolfram语言与数学了。 这篇文章主要涉及到的知识点–画散点图,拟合直线,求参数的置信区间,并给出预测的值

 

例题解析

为研究某一大都市报开设周日版的可行性,获得了34种报纸的平日和周日的发行量信息(以千为单位)。数据如下:

 


 

{Daily,Sunday}: {391.95, 488.51}, {516.98, 798.3}, {355.63, 235.08}, {238.55, 299.45}, {537.78, 559.09}, {733.78, 1133.25}, {198.83, 348.74}, {252.62, 417.78}, {206.2, 344.52}, {231.18, 323.08}, {449.76, 620.75}, {288.57, 423.3}, {185.74, 202.61}, {1164.39, 1531.53}, {444.58, 553.48}, {412.87, 685.97}, {272.28, 324.24}, {781.8, 983.24}, {1209.22, 1762.02}, {825.51, 960.31}, {223.75, 284.61}, {354.84, 407.76}, {515.52, 982.66}, {220.46, 557.}, {337.67, 440.92}, {197.12, 268.06}, {133.24, 262.05}, {374.01, 432.5}, {273.84, 338.36}, {570.36, 704.32}, {391.29, 585.68}, {201.86, 267.78}, {321.63, 408.34}, {838.9, 1165.57}

 

 

SPSS

==1.计算协方差与相关系数==

  • 将数据导入SPSS

  • 方法:

Snipaste_2017-10-17_19-53-15.png

 

Snipaste_2017-10-17_19-53-46.png

 

Snipaste_2017-10-17_19-54-25.png

 

  • 结果:

Snipaste_2017-10-17_19-56-37.png

 

==2.构造散点图==

  • 方法:

Snipaste_2017-10-17_19-57-32.png

 

Snipaste_2017-10-17_19-57-45.png

 

Snipaste_2017-10-17_19-58-07.png

 

  • 结果:

Snipaste_2017-10-17_19-58-22.png

 

 

==3.拟合回归直线==

  • 方法:

Snipaste_2017-10-17_19-58-45.png

 

Snipaste_2017-10-17_19-59-22.png

 

  • 结果:

Snipaste_2017-10-17_20-00-50.png

 

 

==4.计算回归直线参数的95%置信区间==

  • 方法:

Snipaste_2017-10-17_20-01-46.png

 

  • 结果:

Snipaste_2017-10-17_20-06-23.png

 

 

==5.当平日发行量为500000时,给出报纸周日发行量均值的95%置信区间==

==6.某一正在考虑提供周日版的报纸,平日发行量为500000.给出该报纸周日发行量的95%预测区间==

5,6题的解答下面一起给出

  • 方法:将500000统一单位后(500千)加入数据表格,然后如图操作:

Snipaste_2017-10-17_20-07-02.png

 

Snipaste_2017-10-17_20-08-15.png

 

  • 结果:

Snipaste_2017-10-17_20-11-28.png

 

 

  • 微信公众号
  • 关注微信公众号
  • weinxin
  • QQ群
  • 我们的QQ群号
  • weinxin
孙晓楠

发表评论

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: