回归分析 第五章.doc

实验项目名称 违背基本假设的回归分析实验 所属课程名称 回归分析实验 实 验 类 型 验证型 实 验 日 期 4.27 班 级 学 号 姓 名 成 绩 一、实验概述： 【实验目的】掌握回归分析中违背基本假设情况下数据的处理 【实验原理】 【实验环境】 Spss17.0 二、实验内容： 【实验过程】（实验步骤、记录、数据、分析） 习题4.9 回归方程 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .839a .705 .699 1.57720 a. 预测变量: (常量), x。 b. 因变量: y Anovab 模型 平方和 df 均方 F Sig. 1 回归 302.633 1 302.633 121.658 .000a 残差 126.866 51 2.488 总计 429.499 52 a. 预测变量: (常量), x。 b. 因变量: y 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) -.831 .442 -1.882 .065 x .004 .000 .839 11.030 .000 a. 因变量: y Y=-0.831+0.004X 残差散点图如下 (2)异方差检验 相关系数 x abs Spearman 的 rho x 相关系数 1.000 .318* Sig.（双侧） . .021 N 53 53 abs 相关系数 .318* 1.000 Sig.（双侧） .021 . N 53 53 *. 在置信度（双测）为 0.05 时，相关性是显著的。 等级相关系数为0.318，P值=0.021，认为残差绝对值与自变量显著相关，存在异方差 （3）结果 对数似然值b 幂 -2.000 -121.068 -1.500 -114.545 -1.000 -108.466 -.500 -102.983 .000 -98.353 .500 -94.837 1.000 -92.581 1.500 -91.588a 2.000 -91.756 a. 选择对应幂以用于进一步分析，因为它可以使对数似然函数最大化。 b. 因变量: y，源变量: x 模型描述 因变量 y 自变量 1 x 权重 源 x 幂值 1.500 模型: MOD_1. 模型摘要 复相关系数 .812 R 方 .659 调整 R 方 .652 估计的标准误 .008 对数似然函数值 -91.588 ANOVA 平方和 df 均方 F Sig. 回归 .006 1 .006 98.604 .000 残差 .003 51 .000 总计 .009 52 系数 未标准化系数 标准化系数 t Sig. B 标准误 试用版 标准误 （常数） -.683 .298 -2.296 .026 x .004 .000 .812 .082 9.930 .000 在m=1.5时，对数似然函数达到最大，所以m=1.5；加权最小二乘法的R2=0.659，F值=98.604，说明加权最小二乘法的估计效果好于普通最小二乘估计的效果。 （4）如图所示 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .805a .648 .642 .46404 a. 预测变量: (常量), x。 b. 因变量: ly Anovab 模型 平方和 df 均方 F Sig. 1 回归 20.259 1 20.259 94.078 .000a 残差 10.982 51 .215 总计 31.241 52 a. 预测变量: (常量), x。 b. 因变量: ly 系数a 模型 非标准化系数 标准系数 t Sig. B 标准 误差 试用版 1 (常量) .582 .130 4.481 .000 x .001 .000 .805 9.699 .000 a. 因变量: ly 相关系数 x abse Spearman 的 rho x 相关系数 1.000 -.174 Sig.（双侧） . .213 N 53 53 abse 相关系数 -.174 1.000 Sig.（双侧） .213 . N 53 53 做方差稳定性变换后，诊断异方差得P值=0.2130.05,所以不存在异方差。 得到方程为 Y=0.582+0.001x 4.14题 （1）分析如下 模型汇总b 模型 R R 方 调整