《毕业设计（论文）基于EXCEL的回归分析在足迹分析上的应用》由会员分享，可在线阅读，更多相关《毕业设计（论文）基于EXCEL的回归分析在足迹分析上的应用（17页珍藏版）》请在金锄头文库上搜索。
1、基于EXCEL的回归分析在足迹分析上的应用XXX警官高等专科学校本科毕业论文系： 公安技术系 专业： 刑事科学技术 学生： 指导教师： 完成日期： 2009年5月15日 高等专科学校毕业设计（论文）题目基于EXCEL的回归分析在足迹分析上的应用总计 毕业设计（论文） 17 页表格 3 个插图 3 幅毕业论文任务书姓 名专 业刑事科学技术毕业论文方向： 痕迹检验题 目： 基于EXCEL的回归分析在足迹分析上的应用完成日期： 2009-5-15题目来源： 自拟在校内或校外以何种形式进行: 校内在老师指导下独立完成论文主要内容：回归分析预测法可以从各种痕迹数据之间的相互关系出发，通过对与预测对象有联
2、系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法，通过对与预测对象（）有联系的多个因素建立多元线性回归模型。本文给出了两方面的检验：一方面为实际意义检验。即利用痕迹理论所拟定的期望值与刑警人员的经验结果相比较是否相符。另一方面为统计检验：分别为拟合优度检验（R平方检验）、方程显著性检验（F检验）、变量显著性检验（t检验）。Excel是一种办公系统软件，本文给出了运用它的强大数据分析功能，只输入一次原始数据，而后全部以鼠标操作即可自动生成的操作方法。计划进度：1、收集数据，收集参考资料。（4月10日4月20日）2、阅读文献，拟定提纲。（4月214月30日）3、结论分析，完成初稿
3、。（5月1日5月8日）4、交由指导老师审阅，修改。（5月9日5月15日）5、最后定稿。（5月16日5月20日）参考文献：1 王清举新编足迹步法检验基础知识指导手册中国人民公安大学出版社2005 年版2 曹彬等概率论与数理统计哈尔滨工业大学出版社指导教师 系（部）主任签 字 签 字目 录摘要1前言3一、多元线性回归模型3二、多元线性回归模型的检验42.1 实际意义检验42.2 统计检验42.2.1 拟合优度检验（ 检验）42.2.2方程显著性检验（ 检验）62.2.3变量显著性检验（ 检验）6三、现场足迹的提取、分析和运用73.1 现场足迹的提取73.1.1 灰尘减层、加层足迹的提取73.1.2
4、 泥水加层足迹的提取73.1.3 平面客体上赤脚、穿袜子足迹的提取83.1.4 平面客体上血迹加层足迹的提取83.2 现场足迹的分析83.2.1 利用足迹分析年龄83.2.2 利用足迹分析身高83.2.3 利用足迹分析性别8四、EXCEL在足迹数据分析上的应用举例94.1 相关分析94.2 建立回归模型10五、小结12参考文献13摘 要在足迹分析技术中，推测足迹与诸多因素的关联十分重要。例如，人的足长与身高、手长有关联；又如足长与内虚沿长有关联等，本文重点用excel统计分析功能研究足长与身高之间的关联。回归分析预测法可以从各种痕迹数据之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的
5、分析，推算预测对象未来状态数量表现的一种预测方法，通过对与预测对象（）有联系的多个因素建立回归模型。求出的回归模型是否合理，是否符合变量之间的客观规律性，引入相关因素是否有效，变量之间是否存在线性相关关系，模型能否付诸应用，这要通过检验决定。本文给出了两方面的检验：一方面为实际意义检验。即利用痕迹理论所拟定的期望值与实际结果相比较是否相符。另一方面为统计检验：分别为拟合优度检验（R平方检验）、方程显著性检验（F检验）、变量显著性检验（t检验）。回归分析预测法的计算，数据繁琐计算复杂，工作量较大，尤其是当需要复检时更是如此，非常复杂且容易出错。计算机的迅猛发展让这些计算变得简单准确，尤其是Exc
6、el办公系统软件，本文给出了运用它的强大数据分析功能，只输入一次原始数据，而后全部以鼠标操作即可自动生成的操作方法。最后本文以一组足长与身高的数据分析为例，加以检验。以期得到广大公安刑侦人员的关注，使之在刑事技术中发挥它应有的作用。关键词：足迹 EXCEL检验F检验 检验回归方程AbstractIn the technology of traces analysis, guessing the link of traces and a number of factors is very important. For example, the persons foot length is ass
7、ociated with his stature and hand length, also associated with. Using Excel function, this paper focused on statistical analysis of the correlation between foot length and stature. The method of regression analysis predicting can predict the future state of the object by analyzing the trend of pheno
8、mena correlative to the predicted objects, and is based on the relationship between all kinds of traces data. It can establish regression model by several factors which are correlative to the predicted object(). The regression model obtained should be tested. The test contains whether the model is r
9、easonable, whether it accords with the objective law, whether the relevant factors are efficient, whether there is linearity correlativity between the factors and whether the model can be put to practice. In this paper, two aspects of testing are given. On the one hand, the practical significance te
10、st can compare the accordance between the expected value presumed by the trace theory and the reality. On the other hand, in the statistical test, the author tests the model with goodness-of-fit test (R-square test), equation significance test (F test), variables significance test (t test). The calc
11、ulation of regression analysis prediction method is difficult because of its cumbersome data computational complexity and large workload, especially when the review is needed, quite easy to make mistakes. But the rapid development of the computer makes these calculations easy, especially using the E
12、xcel Office system software. This paper make the use of its powerful data analysis functions, with only once raw data input, and the rest of work can be automatically generated by the operation of mouse. Finally, an example of the analysis of a group of trace length and stature is given and tested.
13、Expect it can arouse the wider concerns of the public security investigators, and play its due role in criminal technology.Keyword: trace Excel test F test t test regression equation 前 言在足迹分析技术中，某一推测数据常与多因素的有关联。例如，人的身高与足长有关联。因此，要研究该数据就应从事物变化的因果关系出发，寻找它与其他因素之间的内在联系，这就是因果关系分析法。在因果关系分析法中最常用的方法之一就是回归分析法。回归分析预测法就是从各种痕迹数据之间的相互关系出发，通过对与预测对象有联系的现象变动趋势的分析，推算预测对象未来状态数量表现的一种预测方法。根据回归分析中所考虑因素的多少，可将回归分析分为一元回归分析和多元回归分析。例如，对于如身高
