应用统计学实验2 12页

实验二均值假设检验、相关与回归分析一、实验目的掌握使用SPSS进行均值假设检验的方法，完成单样本t检验、两个独立样本t检验、配对样本t检验和方差分析，熟练使用SPSS统计表格中的概率P值判断原假设是否成立。掌握使用SPSS检验变量之间的关系，熟悉SPSS的相关分析，能够根据实际问题构造回归模型，采用SPSS完成回归分析。（本次实验4学时）二、实验步骤及要求（1）打开实验二数据中的“01单个样本t检验.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去，例如学号后两位为08，则把SPSS数据文件第8行数据删去（以下方法相同）。设计假设H0、H1，检验灯泡的平均寿命是否为3800小时。用SPSS单样本t检验输出统计结果，用三种方法判断原假设是否成立。【作出假设，单样本t检验统计结果表格复制到实验报告中，并对该表格作出分析说明】（2）打开实验二数据中的“02两个独立样本t检验.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。设计假设H0、H1，用SPSS独立样本t检验来检验这两个班的统计学学习情况是否存在显著差异，输出统计结果，判断原假设是否成立。【作出假设，独立样本t检验统计结果表格复制到实验报告中，并对该表格作出分析说明】（3）打开实验二数据中的“03配对样本t检验.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。设计假设H0、H1，用SPSS配对样本t检验判断喝茶前体重和喝茶后体重是否有显著差别，输出统计结果，判断原假设是否成立。【作出假设，配对样本t检验统计结果表格复制到实验报告中，并对该表格作出分析说明】（4）打开实验二数据中的“04单因素方差分析.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。设计假设H0、H1，用SPSS单因素方差分析判断商品颜色的不同对销量是否有显著影响，输出统计结果，判断原假设是否成立，完成多重比较分析。【作出假设，方差分析检验统计结果表格复制到实验报告中，并对各表格作出分析说明】（5）打开实验二数据中的“05正态分布检验.sav”数据文件，\n找到自己学号最后两位对应的数据行，将该行数据删去。按照题目要求利用SPSS单样本K—S检验输出统计结果，判断该数据是否服从正态分布。【单样本K—S检验统计结果表格复制到实验报告中，并对各表格作出分析说明】（6）打开实验二数据中的“06相关分析与偏相关分析.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。按照题目要求设计假设H0、H1，用SPSS相关分析来判断“游客增长率”、“商业投资”、“景区经济增长”两两之间是否存在显著的相关关系，输出统计结果，说明相关方向和程度。【作出假设，相关分析统计结果表格复制到实验报告中，并对该表格作出分析说明】（7）打开实验二数据中的“06相关分析与偏相关分析.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。用SPSS偏相关分析排除“游客增长率”变量后，“商业投资”与“景区经济增长”两变量之间的偏相关关系。【偏相关分析统计结果表格复制到实验报告中，并对该表格作出分析说明】（8）打开实验二数据中的“08信度分析.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。用SPSS分析六个变量之间的信度。【信度分析统计结果表格复制到实验报告中，并对该表格作出分析说明】（9）打开实验二数据中的“09一元回归.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。试构建销售量与价格之间的一元线性回归方程，用SPSS回归分析输出统计结果，如能建立起来，写出该一元线性回归方程。【回归分析统计结果表格复制到实验报告中，并对该表格作出分析说明】（10）打开实验二数据中的“10多元回归分析.sav”数据文件，找到自己学号最后两位对应的数据行，将该行数据删去。试构建不良贷款与其他变量之间的一元或多元线性回归方程，用SPSS回归分析输出统计结果，完成多重共线性分析。如能建立起来，写出该一元或多元线性回归方程，比较采用“Enter”和“Stepwise”两种方法最终回归结果是否有差异。【回归分析统计结果表格复制到实验报告中，并对各表格作出分析说明】三、实验操作步骤及结果分析（注：此内容需按照我们做实验的步骤列出试验内容及结果，如截图、SPSS输出表格等，并需对此作出必要的解释说明。请同学们把你们实验报告的内容写在此项目下。）(1)\n1步骤：点击‘Analye’→‘CompareMean’→‘One-SampleTTest’→将‘灯泡寿命’选入‘TestVaribles’中→在‘TestValue’中输入‘3800’→点击‘OK’2.构建的假设：H0：灯泡的平均寿命为3800小时H1：灯泡的平均寿命不为3800小时3.分析：下表为单样本t检验统计结果表格，从表中可知1）P值为0.975>0.05，所以接受原假设H0，即灯泡的平均寿命为3800小时2）Lower=-79.8535Upper=89.9037，即含有‘0’点，所以接受原假设H0，即灯泡的平均寿命为3800小时One-SampleStatisticsNMeanStd.DeviationStd.ErrorMean灯泡寿命1993.8050E3607.1750143.04150One-SampleTestTestValue=3800tdfSig.(2-tailed)MeanDifference95%ConfidenceIntervaloftheDifferenceLowerUpper灯泡寿命.117198.9075.02513-79.853589.9037（2）1.步骤：点击‘Analye’→‘CompareMean’→‘Independent-SampleTTest’→把‘统计学成绩’和‘班级’分别选入TestValue和GroupingValue中→点击DefineGroups，→在Group1中输入‘1’Group中输入‘2’→点击‘OK’\n2.分析：第一步：判断两个总体方差是否相等构建的假设：H0：两个总体方差相等H1：两个总体方差不相等从表中可知，P值为0.358<0.05，所以接受备择假设，即两个总体方差不相等第二步：判断两个班的统计学学习情况是否存在显著差异构建的假设：H0：两个班的统计学学习情况不存在显著差异H1：两个班的统计学学习情况存在显著差异从表中可知，P值为0.073>0.05，所以接受原假设H0，两个班的统计学学习情况不存在显著差异。GroupStatistics班级NMeanStd.DeviationStd.ErrorMean统计学成绩一班2081.958.2361.842二班1986.326.4301.475（3）\n1.步骤：点击‘Analye’→‘CompareMean’→‘Paired-SampleTTest’→将‘喝茶前体重’和‘喝茶后体重’选入PairedValues中→点击‘OK’。2.构建假设H0：喝茶前体重和喝茶后体重没有显著差别H1：喝茶前体重和喝茶后体重有显著差别3.分析：下表为配对样本t检验统计结果表格，从表中可知P值为0<0.05，所以拒绝原假设H0，即喝茶前体重和喝茶后体重有显著差别PairedSamplesStatisticsMeanNStd.DeviationStd.ErrorMeanPair1喝茶前体重89.3590395.50353.88127喝后体重69.7949395.76824.92366（4）1.步骤：点击‘Analye’→‘CompareMean’→‘One-WayAnova’→将‘销量’和‘商品颜色’分别选入dependentlist和factor中→点击options→在Descriptives前打勾→点击continu→点击ok2.构建假设H0：商品颜色的不同对销量是没有显著影响H1：商品颜色的不同对销量是有显著影响\n3.分析：下表为方差分析检验统计结果表格，从表中可知P值为0<0.05，所以拒绝原假设H0，即商品颜色的不同对销量是有显著影响ANOVA销量SumofSquaresdfMeanSquareFSig.BetweenGroups799374.7343266458.2458.847.000WithinGroups1054088.8563530116.824Total1853463.59038（5）1.步骤：点击‘Analye’→‘Non-Parametric’→‘1-SampleK-S’→将‘销售额’选入‘TestVaribleList’中→选择‘Normal’→点击ok2.分析：下表为单样本K—S检验统计结果表格，从表中可知P值为0.195>0.05，又因为K-S检验的原假设是总体服从正态分布，所接受原假设，即销售额数据服从正态分布One-SampleKolmogorov-SmirnovTest\n销售额N31NormalParametersaMean33.52Std.Deviation12.407MostExtremeDifferencesAbsolute.194Positive.194Negative-.092Kolmogorov-SmirnovZ1.079Asymp.Sig.(2-tailed).195a.TestdistributionisNormal.（6）1.步骤：点击‘Analye’→‘Correlate’→‘Bivarite’→将变量选入Variable中→在‘Pearson’前打勾→点击ok2.构建假设H0：“游客增长率”、“商业投资”、“景区经济增长”两两之间不相关H1：“游客增长率”、“商业投资”、“景区经济增长”两两之间相关3.分析：下表为相关分析统计结果表格观察表格，第二列是‘商业投资’与其他变量之间的相关分析结果。以‘商业投资’和‘游客增长率’的相关分析为例，Pearson的相关系数为0.912，相应p值为0<0.05，拒绝原假设，认为两者存在显著相关关系，相关系数大于0.9，说明商业投资’和‘游客增长率’存在正向强相关关系。其他的同理分析Correlations\n商业投资游客增长率景区经济增长商业投资PearsonCorrelation1.912**.871**Sig.(2-tailed).000.000N313131游客增长率PearsonCorrelation.912**1.910**Sig.(2-tailed).000.000N313131景区经济增长PearsonCorrelation.871**.910**1Sig.(2-tailed).000.000N313131**.Correlationissignificantatthe0.01level(2-tailed).（7）1.步骤：点击‘Analye’→‘Correlate’→‘Partial’→将变量“商业投资”、“景区经济增长”选入Variable中，变量“游客增长率”选入ControllingFor中→点击ok2.分析：下表为偏相关分析统计结果表格，从表中可知在剔除“游客增长率”变量后，“商业投资”与“景区经济增长”的相关系数为0.239，p值为0.203>0.05，所以接受两个变量不相关的原假设，即在剔除“游客增长率”变量后，“商业投资”与“景区经济增长”不存在显著相关关系Correlations\nControlVariables商业投资景区经济增长游客增长率商业投资Correlation1.000.239Significance(2-tailed)..203df028景区经济增长Correlation.2391.000Significance(2-tailed).203.df280（8）1.步骤：点击‘Analye’→‘Scale’→‘ReliabilityAnalye’→将六个变量选入Items中，Model下拉列表中选择‘Alpha’→点击ok2.分析：下表为信度分析统计结果表格，从表中可知ronbach'sAlpha为0.836，在0.9>α>0.8，根据判断标准，表明六个测量内部一致信度很高ReliabilityStatisticsCronbach'sAlphaNofItems.8366（9）由表1可知p值为0<0.05，拒绝原假设认为各回归系数不同时为0，表示β1和0有显著差异，说明自变量与因变量之间存在线性关系。由表2可知p值为0<0.05，拒绝原假设认为各回归系数不同时为0，表示β1和0有显著差异。据此，可得非标准化回归方程y=92435.786-1.441x，标准化回归方程y=—0.303x\nANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression6.570E1016.570E1015.323.000aResidual6.517E111524.288E9Total7.174E11153a.Predictors:(Constant),Priceinthousandsb.DependentVariable:SalesinthousandsCoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.95%ConfidenceIntervalforBBStd.ErrorBetaLowerBoundUpperBound1(Constant)92435.78611397.4398.110.00069917.936114953.636Priceinthousands-1.441.368-.303-3.914.000-2.168-.714a.DependentVariable:Salesinthousands（10）由表2可知，模型a调整后的多重判定系数AdjustedRSquare为0.711，模型,b调整后的多重判定系数AdjustedRSquare为0.746，要优于模型a，所以后续值分析模型b的数据。由表3可知，p值为0<0.05，拒绝原假设认为各回归系数不同时为0，说明自变量与因变量之间存在线性关系。由表4可知，各项贷款余额的回归系数β1=0.3，p值为0<0.05，,表示β1和0有显著差异，进入回归方程；本年固定资产投资额的回归系数β2=0.163，p值为0.034<0.05表示β2和0有显著差异，进入回归方程。据此，可得非标准化回归方程y=—1.331+0.3x1+0.163x3，标准化回归方程y=0.665x1+0.276x3\n表1CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.CollinearityStatisticsBStd.ErrorBetaToleranceVIF1(Constant)-1.144.719-1.592.123各项贷款余额.033.008.7424.279.000.2643.788本年累计应收贷款.157.071.2652.209.036.5531.809本年固定资产投资额-.024.012-.259-1.949.062.4512.219贷款项目个数.060.067.140.898.377.3253.081a.DependentVariable:不良贷款表2ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.849a.721.7111.83592.873b.763.7461.7212a.Predictors:(Constant),各项贷款余额b.Predictors:(Constant),各项贷款余额,本年累计应收贷款表3ANOVAc\nModelSumofSquaresdfMeanSquareFSig.1Regression252.1811252.18174.818.000aResidual97.748293.371Total349.928302Regression266.9812133.49145.062.000bResidual82.947282.962Total349.92830a.Predictors:(Constant),各项贷款余额b.Predictors:(Constant),各项贷款余额,本年累计应收贷款c.DependentVariable:不良贷款表4CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.CollinearityStatisticsBStd.ErrorBetaToleranceVIF1(Constant)-.750.623-1.205.238各项贷款余额.038.004.8498.650.0001.0001.0002(Constant)-1.331.639-2.083.047各项贷款余额.030.006.6655.384.000.5551.801本年累计应收贷款.163.073.2762.235.034.5551.801a.DependentVariable:不良贷款