线性回归分析方法.doc

9-1 实验报告
实验内容与目的
利用线性回归分析方法分析研究高等院校人文社会科学研究中立项课题数受哪些因素影响,并建立回归模型。这里收集了某年31个省市自治区部分高校有关社会科学研究方面的数据,其中,被解释变量为立项课题数,解释变量为投入人年数、投入高级职称的人年数、投入科研事业费、专著数、论文数、获奖数,分别采用了强制进入策略和向后筛选策略。
操作过程
(包含的主要内容①数据文件的建立②分析前数据的预处理③统计分析运用方法操作)
数据文件的建立:将“课题总数”,“投入人年数”“投入高级职称的人年数”“投入科研事业费”“专著数”“论文数”“获奖数”设为标准型变量,定计量尺度为定距型数据。
1 analyze-regression-linear
2将“课题总数”选入dependent,“投入人年数”“投入高级职称的人年数”“投入科研事业费”“专著数”“论文数”“获奖数”选入independent
3 打开method的下拉框
选择一选择enter,点statistics勾选estimates model fit collinearity diagnostics
(可以得到图1至图4)
选择二选择backward,
点statistics勾选“estimates”“model fit”“r squared change”“descriptives”“Collinearity ”
点save 在predicted框中勾选“standardized”“adjusted ”“ mean predictions”
点save 在 residuals 框中勾选“standardized”“studentized”“studentized deleted ”
点save 在 influence框中勾选“dfbeta(s)”“ dffit”“covariance”
(可以得到图5至图8)
4 点击plots按钮,将“zresid”选入y,将“zpred”选入x,勾选nomal probability plot
(可以得到图10和图12)
5 analyze-nonparametric-1-sample k-c tests
6 将standardized residual 选入 test variable list ,选择test distribution框中的nomal
(可以得到图9)
7 analyze-correlate-bivariate
8 standardized residual和 standardized predicted选入variable 再勾选speamam
(可以得到图11)
结论与分析
(对输出结果进行解释说明)
从图1可以看出,进行拟合优度检验,R2=,由于方程有多个解释变量,可参考可调整的判定系数,,比较接近1,因此认为拟合优度较高,被解释变量可以被模型解释的部分较多,不能被解释的部分较少。

从图2可以看出,表二显示了被解释变量的变差来源、自由度、方差和离差平方和等,可以看出,×107,回归平方和及方差分别为2×,剩余平方和及方差分别为1286497和53