《统计学作业汇总》由会员分享，可在线阅读，更多相关《统计学作业汇总（39页珍藏版）》请在金锄头文库上搜索。
1、统计作业学号：2150764 姓名：何林立 班级：管理151硕第三章 联合分析P44/4 定义食堂属性变量 定义属性水平的描述 单击数据正交设计生成，得到下列数据：定义并填入顾客的打分数据： 单击文件新建语法：单击运行全部，得到结果如下：分析：实用程序表的“实用程序估算”一列表示该水平值对于顾客而言的效度，效度越高表示该项目越受欢迎。从重要性值表可以看出，对于消费者而言，服务态度是他所关心的，此因素的相对重要程度位30.612%，其次是饭菜的价格，重要程度为20.408%，而食堂的开放时间是最不受重视的，重要程度占6.122%。对联合分析进行拟合优度检验， person r检验的实际排序值与预
2、期排序值的相关系数达到0.787，双尾检验的显著性水平为0.000；kendall tau检验的预期排序值和实际排序值的相关系数达到0.612，双尾检验的显著性水平为0.000。由上可见，两个相关系数检验的都是非常显著的，模型拟合的精度较高，所以认为联合分析模型所做出的假设和得出的成分效用值是合理的，可以说明顾客在选择食堂时的偏好结构。第四章 定性数据6、 为了探讨收入与受教育水平彼此是否独立，做出如下假设。H0：收入与受教育水平彼此独立。H1：收入与受教育水平彼此不独立。将题目中的数据输入SPSS如图所示 年收入和受教育水平赋值如图所示然后对其加权和描述性分析，得出结果如图所示由卡方检验结果
3、我们可以看出卡方值206.45（四舍五入之后），P值约等于00.05拒绝原假设，即收入与受教育水平彼此不独立。 7、 为验证这些样本是否来自不同的总体，作出如下假设：H0：样本来自同一总体； H1：样本来自不同总体。数据输入结果如图所示具体受过训练和评分的赋值如图所示按照步骤操作输出结果如图所示由图7-4知卡方值46.647，P=0.0000.05，故没有充分理由拒绝零假设，即这些数据遵从正态分布的价值总体。第五章 多元正态分布P98/5按要求输入数据后，得到如图所示数据视图。然后对它们进行相关性分析，叙述统计的输出结果如图所示，相关性的输出结果如表所示。 表 1 相关性工业增加值率总资产贡献
4、率资产负债率流动资产周转次数工业成本费用利润率产品销售率工业增加值率Pearson 相關1.794*-.824*-.169.863*.264顯著性 (雙尾).000.000.304.000.104叉積平方和6110.4024397.176-2809.272-80.2375390.592134.476共變異數160.800115.715-73.928-2.111141.8583.539個數393939393939总资产贡献率Pearson 相關.794*1-.820*.161.769*.336*顯著性 (雙尾).000.000.328.000.037叉積平方和4397.1765014.261-2
5、534.90069.1754352.846154.891共變異數115.715131.954-66.7081.820114.5494.076個數393939393939资产负债率Pearson 相關-.824*-.820*1.138-.713*-.175顯著性 (雙尾).000.000.401.000.288叉積平方和-2809.272-2534.9001904.43536.645-2487.014-49.593共變異數-73.928-66.70850.117.964-65.448-1.305個數393939393939流动资产周转次数Pearson 相關-.169.161.1381.033.
6、274顯著性 (雙尾).304.328.401.842.091叉積平方和-80.23769.17536.64536.89615.99510.850共變異數-2.1111.820.964.971.421.286個數393939393939工业成本费用利润率Pearson 相關.863*.769*-.713*.0331.280顯著性 (雙尾).000.000.000.842.084叉積平方和5390.5924352.846-2487.01415.9956382.740145.917共變異數141.858114.549-65.448.421167.9673.840個數393939393939产品销售
7、率Pearson 相關.264.336*-.175.274.2801顯著性 (雙尾).104.037.288.091.084叉積平方和134.476154.891-49.59310.850145.91742.402共變異數3.5394.076-1.305.2863.8401.116個數393939393939由上述结果可知，不相关的两组变量有：工业增加值率和流动资产周转次数；工业增加值率和产品销售率；总资产贡献率和流动资产周转次数；资产负债率和流动资产周转次数；资产负债率和产品销售率；流动资产周转次数和产品销售率；工业成本费用利润率和产品销售率。第七章 多元回归模型输入数据如下：单击“分析”回
8、归线性，打开“线性回归”窗口；将“财政收入”选入“因变量”对话框，其余自变量选入“自变量”对话框单击“确定”；得到结果如下：分析：由“模型摘要”表可知，模型的R方为0.996，模型回归高度显著。然而，从“系数”表中观察得到在10%的显著性水平下，只有农业指标回归的系数是显著的，所以回归的模型可能存在多重共线性。所以，对自变量进行相关性检验。单击“分析”相关双变量，将6个自变量选入“变量”对话框，单击确定，得到结果如下：分析：从上图可知，农业和工业、建筑业、人口、最终消费高度相关，工业和建筑业、最终消费高度相关，建筑业和最终消费高度相关。故使用后退法对模型进行回归。单击“分析”相关双变量，将6个
9、自变量选入“变量”对话框，在“方法”栏选择“后退”，单击确定，回归结果如下：分析：根据后退法进行回归的结果，模型依此剔除掉人口、建筑业和受灾面积三个变量，最终使用农业、最终消费和工业三个自变量对财政收入进行回归，得到模型4。根据“系数”表，得到最终的回归方程为：y=874.600-0.611x1-0.353x2+0.637x5由“模型摘要”可知，回归方程调整后的R方为0.995，说明模型回归高度显著。同时在5%的显著性水平下，自变量是显著的。说明最终的回归方程是合理的。第八章逻辑回归P175/4根据题干信息在SPSS软件中依次输入相应变量及其样本数据，如图所示为具体的数据视图和变量视图界面：数
10、据输入后，在SPSS软件中选择“分析回归二元Logistic”，选择Y为因变量，X1、X2为协变量，并对“选项”中对适当的指标进行选择后得到以下分析结果：图所得结果是对样本及变量所做的简单描述。第一张表说明了分析的样本和样本缺失情况，可以看到该样本没有缺失。第二张表说明了对被解释变量（因变量）编码为内部值，二元因变量被编码为0和1以方便计算。图中的第一、二张表是对整个回归模型的检验，由表中结果可知模型是十分显著的。第三张表是检验因变量的实际值与预测值的分布是否有显著差异，由显著性系数 5%的结果可知，并不显著。即该样本因变量的实际值与预测值没有显著性差异，模型拟合较好。图中的第一张表为分类矩阵
11、，其值表明对83.3%的观测判断了正确的组。第二张表是模型的系数和检验。由该表结果可得以下模型：其中，表示城市的居民家庭拥有割草机的概率。我们看到模型中，常数项变量、系数的Wald检验在0.05的显著性水平上是显著的，而且、系数的指数值（最后一列）都大于1，说明、对因变量的影响都是正的，即家庭收入越高和房前屋后土地面积越大，城市的居民家庭就更有可能拥有割草机，而且房前屋后土地面积对是否拥有割草机的影响要大于家庭收入。第九章 聚类分析P221/2（1）Q型聚类 将题目中数据输入SPSS如图所示首先对数据进行聚类分析，按照步骤操作，生成结果如图所示我们运用Q分类法把数据分成两类，从聚类表中我们可以
12、看到，北京、天津和上海是第一类，其余省市是第二类。结合最终聚类中心的表，我们看到第一类的房价明显高于第二类。从方差分析表（ANVOA）我们了解到除商品房销售面积和住宅销售面积外其他对分类贡献明显。（2） R型聚类 按照步骤操作，生成结果如图所示第十章 判别分析按照题意将数据输入SPSS，如图所示输出结果如图2至12所示第十一章 主成分分析输入数据：单击“分析”降维因子，弹出“因子分析”对话框。将9项指标依此选入“变量”框单击“确定”。得到结果如下：由“总方差解释”表中可以看到前两个主成分y1、y2的方差占全部方差的比例为88.563%，故我们选取y1为第一主成分，y2为第二主成分，且这两个主成分之方差占全部方差比例的88.563%，即基本保留了原来指标的信息，这样由原来的9个指标转化为2个新指标，起到了降维的作用。从“总方差解释”表中可知第一主成分的特征根为5.081，第二主成分的特征根为2.889，将成份矩阵的第一列分别处以第一主成分的特征根的平方根；成份矩阵的第二列分别处以第二主成分的特征根的平方根，得到结果如下：将上表A列从GDP到工业总产值分别记为x1到x9。则由上表得到前2个主成分y1、y2的线性组合为：y1=0.4024x1+0.2387x2+0.4281x3+0.3682x4+0.311
