线性回归分析实验报告.doc

线性回归分析实验报告.doc:..实验一:线性回归分析实验目的:通过木次试验掌握回归分析的基木思想和基木方法,理解最小二乘法的计算步骤,理解模型的设定T检验,并能够根据检验结果对模型的合理性进行判断,进而改进模型。理解残差分析的意义和重要性,会对模型的回归残差进行正态型和独立性检验,从而能够判断模型是否符合回归分析的基本假设。实验内容:用线性回归分析建立以高血压作为被解释变量,其他变量作为解释变量的线性回归模型。分析高血压与其他变量之间的关系。实验步骤:1、选择File|Open|Data命令,-1数据集gaoxueya的部分数据2、选择Analyze|Regression|Linear...命令,弹出LinearRegression(线性回归)对话框,如图1・2所示。将左侧的血压(y)选入右侧上方的Dependent因变量)框屮,作为被解释变量。再分别把年龄(xl)、体重(x2)、吸烟指数(x3)选入Independent(自变量)框中,作为解释变量。在Method(方法)下拉菜单中,指定自变量进入分析的方法。图1-2线性回归分析对话框3、单击Statistics按钮,弹出LinearRegression:Statistics(线性回归分析:统计量)对话框,如图1-3所示。1-3线性回归分析统计量对话框4、单击Continue回到线性回归分析对话框。单击Plots,打开LinearRegression:Plots(线性回归分析:图形)对话框,如图1-4所示。完成如下操作。图1-4线性回归分析:图形对话框5、单击Continue,回到线性回归分析对话框,单击Save按钮,打JFLinearRegression;Save对话框,如图1-5所示。完成如图操作。图1-5线性回归分析:保存对话框6、单击Continue,回到线性回归分析对话框,单击Options按钮,打开LinearRegression;Options对话框,如图1-6所示。完成如下操作。图1-6线性回归分析选项对话框7、单击Continue•回到线性回归分析对话框,然后单击0K,进入计算分析。实验结论:图-7给出了基本的描述性统计量,图中显示各个变量的全部观测量的Mean(均值)、(标准差)和观测量总数N。图1-8给出了相关系数矩阵表,其中显示4个自变量两两间的Pearson相关系数,以及相关关系等于0的假设的单位显著性检验概率。--.-.•.(1-tailed)•.•.•N血压32323232吸烟323232