《应用回归分析》(spss软件的应用)论文

Р-2.570Р.028Рx8Р.394Р.239Р.434Р1.646Р.131Рa. 因变量: yР 分析:从系数表中可以得到对8个自变量的线性回归方程为Р Р Р 从回归方程中可以看到,对成品钢材需求量起正影响,对成品钢材需求量起负影响。从实际社会生活来看,原煤生产水平和居民的消费水平提高,都会促进成品钢材的需求量,应该和成品钢材的需求量成正相关,这与定性分析的结果不一致。为此,我们对它进行更深层次的分析。Р第6章回归模型的检验Р6.1 F检验Р AnovabР模型Р平方和РdfР均方РFРSig.Р1Р回归Р1.291E8Р8Р16139672.560Р1259.526Р.000aР残差Р128140.806Р10Р12814.081Р总计Р1.292E8Р18Рa. 预测变量: (常量), x8, x5, x1, x3, x6, x2, x7, x4。Рb. 因变量: yР 分析:从表中输出结果可以看出,Sig即显著性P值,由,P值=0.000,可知此回归方程高度显著,即做出8个自变量整体对因变量y产生显著线性影响的判断所犯错误的概率仅为0.000。Р6.2 T检验及模型的T检验分析Р6.2.1 T检验Р系数aР模型Р非标准化系数Р标准系数РtРSig.РB 的 95.0% 置信区间РBР标准误差Р试用版Р下限Р上限Р1Р(常量)Р-381.485Р912.146Р-.418Р.685Р-2413.874Р1650.904Рx1Р.122Р.107Р.088Р1.134Р.283Р-.118Р.361Рx2Р.125Р.187Р.135Р.668Р.519Р-.292Р.542Рx3Р-149.154Р121.354Р-.141Р-1.229Р.247Р-419.547Р121.239Рx4Р.653Р.277Р.723Р2.359Р.040Р.036Р1.270