《实验报告模板管理统计学B.doc》由会员分享，可在线阅读，更多相关《实验报告模板管理统计学B.doc（4页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、石 家 庄 铁 道 大 学实 验 报 告课程名称： 管理统计学（B） 任课教师： 陈慧青王迎春 实验日期： 班 级： 姓 名： 学 号： 实验项目名称：一元线性回归分析（以此为例）一、实验目的及要求1.使学生掌握一元线性回归分析的基本原理。熟悉统计软件Excel、SPSS的操作过程，能对统计软件输出结果进行分析。2.使学生熟练软件平台的使用，增强实践动手能力，提高数据处理技术的应用能力。3.通过分组协作的方式，增强同学们分工协作的能力。二、实验环境1系统软件：WindowsXP2工具：Excel软件及其插件、SPSS软件三、实验内容与步骤(一)实验内容一家物流公司的管理人员想研究货物的运输距离
2、和运输时间的关系，为此，他抽出了公司最近10个卡车运送货物记录的随机样本，得到运送距离（单位：km）和运送时间（单位：天）的数据如下：运送距离825215107055048092013503256701215运送时间3.51.04.02.01.03.04.51.53.05.0要求：(1) 用SPSS绘制运送距离和运送时间的散点图，判断二者间的关系形态；(2) 分别运用Excel和SPSS软件，采用最小二乘法估计运输时间对运输距离的回归方程，并解释回归系数的含义；(3) 根据软件输出结果，对回归方程的拟合优度加以说明；根据软件输出结果，对回归方程本身及回归系数的显著性加以解释。(二)实验过程1用
3、SPSS绘制运送距离和运送时间的散点图 启动SPSS软件； 单击主菜单中的File/New/Workfile，在弹出的对话框中Start后的方框内输入“1991”，在End后的方框内输入“2000”，在Name后的方框中输入“回归分析”然后单击OK，这样就建立了一个名为“回归分析”的SPSS工作文件（Workfile）； 选择主菜单中Objects/New Object，在弹出的对话框中Type of object项下的方框中，单击Series选项，并在Name for object下的方框内输入对象名称distance，然后单击OK，这样就在工作文件（Workfile）中新建立了了一个名为d
4、istance的工作对象； 双击Workfile中的distance对象，打开该对象。单击distance对象菜单中的Edit+，然后在1991-2000单元格中分别输入825、2151215等10个运输距离样本数据，然后关闭该对象； 重复上述步骤，在Workfile中再建立一个名为Time的工作对象，并将3.5、1.05.0等10个运送时间样本数据录入，然后关闭该对象； 单击主菜单中的Quick/Graph/Scatter，在打开的Series list方框中输入distance time，然后单击OK，则得到如下散点图：2用Excel建立回归方程在一个Excel工作表中建立名为distan
5、ce与time的两个变量，并录入样本数据；选中“工具/数据分析/回归”，单击“确定”，在弹出的对话框中输入相关信息，然后单击“确定”，输出如下结果：SUMMARY OUTPUT回归统计Multiple R0.948943R Square0.900492Adjusted R Square0.888054标准误差0.480023观测值10方差分析dfSSMSFSignificance F回归分析116.6816216.6816272.395852.79E-05残差81.8433790.230422总计918.525Coefficients标准误差t StatP-valueLower 95%Uppe
6、r 95%下限 95.0%上限 95.0%Intercept0.1181290.3551480.332620.74797-0.700840.937101-0.700840.937101X Variable 10.0035850.0004218.5085752.79E-050.0026130.0045570.0026130.0045573用SPSS建立回归方程在名为“回归分析”的SPSS工作文件中，单击Quick/Estimate Equation，在弹出的对话框中输入“time c distance”，然后单击“确定”，输出结果如下：Dependent Variable: TIMEMethod
7、: Least SquaresDate: 11/23/09 Time: 23:58Sample: 1991 2000Included observations: 10VariableCoefficientStd. Errort-StatisticProb.C0.1181290.3551480.3326200.7480DISTANCE0.0035850.0004218.5085750.0000R-squared0.900492Mean dependent var2.850000Adjusted R-squared0.888054S.D. dependent var1.434689S.E. of
8、regression0.480023Akaike info criterion1.546892Sum squared resid1.843379Schwarz criterion1.607409Log likelihood-5.734461F-statistic72.39585Durbin-Watson stat0.753343Prob(F-statistic)0.000028（三）实验结果分析1从运输距离和运输时间的散点图观察，二者之间的正线性相关关系明显；2用最小二乘法由Excel和SPSS估计出的运输时间对距离的回归方程为： 0.118129 0.003585回归系数0.003585的含
9、义是：运输距离每增加100公里，运输时间平均增加0.3天。3回归方程拟合优度分析从回归方程输出结果来看，判定系数0.900492，表明约90%的运输时间差异可以由运输距离加以解释，拟合程度很好。4回归方程本身及回归系数的显著性由于回归方程统计量的值为0.0000028，远远小于0.01，所以可以在99%的置信水平上，做出拒绝回归方程本身不显著的原假设的决策，即回归方程本身显著。回归系数的统计量的值为8.507585，对应的值接近0，应该做出拒绝解释变量（运输距离）对被解释变量（运输时间）没有显著影响的原假设，即运输距离对运输时间具有显著的线性影响。四、总结（可填写心得体会等）五、附录（若无此内容，可不填）