SPSS实训作业第15期:简单线性回归

原创 数据小兵  2018-09-12 17:13  阅读 843 次
视频课程《SPSS统计分析:从入门到实践提高》

线性回归是极经典的统计方法,有严格的假设条件,能探索影响因素,能输出模型,能用于预测,神通广大,应用广泛。学统计分析,如果能把线性回归琢磨透了,那恭喜你已经进入统计世界了。

作业提示

提前阅读提示:

SPSS线性回归集锦:7篇案例、4篇教程、3篇经验总结

软件操作提示:

菜单操作【分析】→【回归】→【线性】,下载作业任务后,按照以下题目要求完成上机训练任务。

案例数据介绍

本期案例选自软件自带数据集,该数据文件涉及某零售商关注广告支出与销售业绩之间的关系,他们收集了过去的销售数字以及相关的广告成本,意图寻找广告成本与销售额之间的关系,并试图依据广告投入来预测未来销售额。

包括两个变量,分别为【广告】和【销售额】。现在请用SPSS打开名称为“advert.sav”的数据文件,构建一元线性回归模型,并回答以下问题。

第一题 散点图考察关系

1、请用散点图的形式考察“广告”与“销售额”之间的关系。将做好的散点图粘贴在下方空白处。

2、请用一段文字简要描述散点图的结论:

                                                                                                                     

第二题 输出相关系数

请问“广告”和“销售额”两个变量间的相关性如何,二者间的相关系数为               (填空)

第三题 简单一元线性回归模型

接下来,请你利用菜单【分析】→【回归】→【线性】,就本案例数据构建一个简单一元线性回归模型。

回答以下问题:

1、模型R方为          ,请用一句话概况含义:                  

2、请写出本次分析所得的简单一元线性回归方程式:

                                                                  

3、请问以上回归模型中,“广告”自变量的回归系数95%置信区间是:                    

第四题 模型诊断

1、请将本次模型的标准化残差正态PP图粘贴在下方空白处;

2、请输出基于标准化预测值与标准化残差的残差诊断图,粘贴在下方空白处;

3、请输出“德宾-沃森”检验的DW统计量具体值:         ,并(粗略)简要概述其结果:                                               

4、请输出库克距离变量,并进行描述统计,请问,库克距离的最大值为:          ,你认为是否存在异常值:                       

第五题 模型预测

1、请将本次分析所得的简单一元模型,保存其XML模型文件,命名为“广告-销售模型”;

2、打开名称为“advert新.sav”文件,请加载此前保存好的“广告-销售模型.xml”文件,预测未来6个月的销售额,请将xml模型文件使用过程中的评分向导对话框至少截图1张图片,以及预测结果截图一张,依次粘贴在下方空白处。(至少给2张图片以判断操作是否准确)

作业提交

请将您认为已经练习满意并作答的作业文档作为附件,发送至数据小兵的邮箱2405064443@qq.com,邮件名称:SPSS上机第15期作业,由数据小兵统一批改反馈,发送参考答案及必要指导,请注意查收作业反馈邮件。

扫码提交报名

请首先识别下方报名二维码,填写表单,提交邮箱,随后会收到作业任务模板及案例数据文件,请根据作业要求自行安排上机,最后将您认为已经练习、回答满意的作业模板作为附件,发送至2405064443@qq.com,邮件名称:SPSS上机第10期作业,由数据小兵统一批改反馈,给出参考答案及必要指导,请注意查收作业反馈邮件。

↓↓↓

网页报名地址:https://jinshuju.net/f/kWiuDF

眼过千遭,不如手过一遍,不要在浅层学习上耗费太多精力了,投入的越多损失的越多,输出和转化才是最重要的。

上机实训已发布的内容目录

第15期 简单线性回归

第14期 多因素方差

第13期 单因素方差

第12期 t检验

第11期 交叉表卡方

第10期 相关分析

第9期 数据探索2

第8期 数据探索1

第7期 箱线图

第6期 散点图

第5期 筛选个案

第4期 衍生新变量

第3期 数据分组

第2期 数据拆分

第1期 数据录入

本文地址:http://www.datasoldier.net/archives/563
版权声明:本文为原创文章,版权归 数据小兵 所有,欢迎分享本文,转载请保留出处!
SPSS在线视频学习
欢迎订阅SPSS训练营微信公众号

评论已关闭!