完美WORD格式
c. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%) d. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%), 年份
e. 预测变量：（常量），施用化肥量(kg/公顷), 风灾面积比例(%), 年份, 总播种面积(万公顷)
系数 非标准化系数 模型 1 （常量） 施用化肥量(kg/公顷) 2 （常量） 施用化肥量(kg/公顷) 风灾面积比例(%) 3 （常量） 施用化肥量(kg/公顷) 风灾面积比例(%) 年份 4 （常量） 施用化肥量(kg/公顷) 风灾面积比例(%) 年份 总播种面积(万公顷) a. 因变量：粮食总产量(y万吨) B 17930.148 179.287 20462.336 193.701 -327.222 -460006.046 137.667 -293.439 244.920 -512023.307 139.944 -302.324 253.115 2.451 标准错误 504.308 9.092 720.317 8.106 76.643 110231.478 14.399 61.803 56.190 68673.579 8.925 38.305 34.827 .344 .749 -.171 .334 .141 .737 -.166 .323 1.037 -.185 .960 标准系数 贝塔 t 35.554 19.720 28.407 23.897 -4.269 -4.173 9.561 -4.748 4.359 -7.456 15.680 -7.893 7.268 7.126 显著性 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 a
结论：如上4个表所示，影响程度中大到小依次是：施用化肥量(kg/公顷), 风灾面积比例(%), 年份, 总播种面积(万公顷)。（排除农业劳动者人数(百万人)和粮食播种面积(万公顷)对粮食总产量的影响）
剔除农业劳动者人数(百万人)和粮食播种面积(万公顷)后：
步骤：分析?回归?线性?将粮食总产量导入因变量、其余4个变量（施用化肥量(kg/公顷), 风灾面积比例(%), 年份, 总播种面积(万公顷)）导入自变量?方法项选“输入”?确定。 如下图：
专业整理 知识分享
完美WORD格式
系数 非标准化系数
模型 1
（常量） 年份
总播种面积(万公顷) 施用化肥量(kg/公顷) 风灾面积比例(%)
a. 因变量：粮食总产量(y万吨)
B -512023.307 253.115 2.451 139.944 -302.324 标准错误 68673.579 34.827 .344 8.925 38.305 .334 .141 .749 -.171 标准系数 贝塔
t -7.456 7.268 7.126 15.680 -7.893 显著性
.000 .000 .000 .000 .000 a
粮食总产量回归方程：Y=-7.893X1+15.68X2+7.126X3+7.268X4-7.456
6、一家产品销售公司在30个地区设有销售分公司。为研究产品销售量(y)与该公司的销售价格（x1）、各地区的年人均收入(x2)、广告费用(x3)之间的关系，搜集到30个地区的有关数据。进行多元线性回归分析所得的部分分析结果如下： Model Regression Residual Total
专业整理 知识分享
Sum of Squares 13458586.7 Df 29 Mean Square 4008924.7 F Sig. 8.88341E-13 完美WORD格式
Unstandardized Codfficients (Constant) X1 X2 X3 B 7589.1025 -117.8861 80.6107 0.5012 Std.Error 2445.0213 31.8974 14.7676 0.1259 t 3.1039 -3.6958 5.4586 3.9814 Sig. 0.00457 0.00103 0.00001 0.00049 1） 将第一张表中的所缺数值补齐。 2） 写出销售量与销售价格、年人均收入、广告费用的多元线性回归方程，并解释各回归系数的意义。
3） 检验回归方程的线性关系是否显著？ 4） 检验各回归系数是否显著？
5） 计算判定系数，并解释它的实际意义。
6） 计算回归方程的估计标准误差，并解释它的实际意义。
（1）
模型 1
回归 残差 总计
平方和
自由度
3 26 29
均方 4008924.7 F 72.8 显著性 8.88341E-13 b
12026774.1 1431812.6 13458586.7 55069.7154
（2）Y=7589.1-117.886 X1+80.6X2+0.5X3
（3）回归方程显著性检验：整体线性关系显著
（4）回归系数显著性检验：各个回归系数检验均显著 （5）略 （6）略
7、对参加 SAT 考试的同学成绩进行随机调查，获得他们阅读考试和数学考试的成绩以及性别数据。通常阅读能力和数学能力具有一定的线性相关性，请在排除性别差异的条件下，分析阅读成绩对数学成绩的线性影响是否显著。 方法：采用进入回归策略。
步骤：分析?回归?线性?将MathSAT导入因变量、其余变量导入自变量?确定。
专业整理 知识分享
完美WORD格式
结果如下： 已输入/除去变量 模型 1 已输入变量 Gender, Verbal SAT a. 因变量：Math SAT b. 已输入所有请求的变量。 模型摘要 调整后的 R 平模型 1 R .710 aba已除去变量 方法 . 输入 R 平方 .505 方 .499 标准估算的错误 69.495 a. 预测变量：（常量），Gender, Verbal SAT ANOVA 模型 1 回归 残差 总计 平方和 782588.468 767897.951 1550486.420 自由度 2 159 161 均方 391294.234 4829.547 F 81.021 显著性 .000 ba a. 因变量：Math SAT b. 预测变量：（常量），Gender, Verbal SAT 系数 a 专业整理 知识分享
完美WORD格式
非标准化系数 模型 1 （常量） Verbal SAT Gender a. 因变量：Math SAT B 184.582 .686 37.219 标准错误 34.068 .055 10.940 标准系数 贝塔 t 5.418 .696 .190 12.446 3.402 显著性 .000 .000 .001
因概率P值小于显著性水平（0.05），所以表明在控制了性别之后，阅读成绩对数学成绩有显著的线性影响。
8、试根据“粮食总产量.sav”数据，利用SPSS曲线估计方法选择恰当模型，对样本期外的粮食总产量进行外推预测，并对平均预测误差进行估计。
采用二次曲线 步骤：图形?旧对话框?拆线图?简单?个案值?定义?将粮食总产量导入线的表征?确定 结果如下：
再双击上图?“元素”菜单?添加标记?应用
专业整理 知识分享
《统计分析和SPSS的应用(第五版)》课后练习的答案解析(第9章)
