统计学课程设计(运用SPSS对各行业固定资产投资的统计分析)(2)

表8-6 回归方程

表8-7 已排除的变量

投资总额=1.038*制造业+9.534*教育+1.296*房地产业+2.079*采矿业+6.076*住宿和餐饮业+272.809

其经济意义表示为：制造业每多投资 10 元，总投资额要增长 10.38 元，教育每多投资 10 元，总投资额要增长 95.34 元，其它同。

附原始数据（截图）

9总结

课设总结

这个学期的应用统计学课程，学习了各种各样的统计方法，在临近学期末的这段时间里，利用SPSS软件做了一项课程设计。通过这次的课程设计，不仅让我们学习的应用统计学的多元化知识，而且增加了我们对统计学的学习兴趣。

而我们在课程设计中，我们完成了数据整理和数据分析。包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、数据简化、多重响应等等。

在课程设计中，我们主要做了描述性分析、制作统计图、制统计报表、数据均值比较、相关分析、一元线性回归分析、多元线性回归分析。

描述性统计分析过程就是计算并列出一系列描述性统计量指标。它可以将原始数据转换成标准化值，并一边凉的形式存入数据库，供进一步分析。将原始数据变量X转化成新的的标准化值变量Z称为Z分数。其中Z分数，是从平均数为μ、标准差为σ的中提中抽出一个变量值X，Z分数表示的是此变量大于或小于平均数几个标准差。计算公式为：

Z=x-μ/σ

我们通过对数据的描述性统计，能够很容易的发现各组数据之间的联系，极大地方便了我们队数据之间联系的分析，能够能好的得出所想预计的结果。

在制图表方面，根据报表制作的侧重点不同，可以分为三种： 1. Cases Summary（个案简明统计报表）：计算指定变量的分组统计量。 2. Report Summaries in Rows（行形式报表）：一行为对象生成各种统计结果。 3. Report Sunmmaries in Colums（列形式报表）：以列为对象生成各个列相应的统计信息。 通过制表制图，我们能一目了然的看清数据的分布，多组数据有层次的、有顺序的排布，方便了对数据的研究。

Means（均值）过程。Means过程其实就是对样本进行分组计算均值和标准差，如按照性别计算各族的均值和标准差。可以指定一个或多个变量作为分组变量。如果分组变量为多个，还应指定这些分组变量之间的层次关系。层次关系可以是同层次的或多层次的。同层次意味着将按照各分组变量的不同取值分别对个案进行分组；多层次表示将首先按照第一分组变量分组。然后对各个分组下的个案按照第二分组变量进行分组。

做完均值的项目后，我们能发现，凌乱的数据在区的均值和方差后，不同时期的数据都存在这不同程度的变化，而这些变化，存在这一定的规律。

相关分析。一般来说现象之间的相互关系可以分为两种，一种是函数关系，另一种是相关关系。相关关系是两个现象数值变化不完全确定的一寸关系。按照相关的程度分，有完全相关、不完全相关和不相关；按照相关的性质分，有正相关和负相关。测定变量之间线性相关程度和相关方向的统计指标是相关系数，同时要对相关系数的显著性检验。

数据的相关分析，是研究数据之间的联系的，利用SPSS，我们能发现，在大量数据之中，各组数据，都存在这一定的相关关系，这些关系是微妙的，而且不容忽视。

一元线性回归是设计一个自变量的回归分析，主要是处理两个变量（因变量和自变量）之间的线性关系，建立线性数学模型并进行评价预测。即y=β0+β1x+ε，式中β0和β1为未知参数，β0为回归常数，β1为回归系数，ε为随机扰动项。

在研究线性相关时，同时伴随着多元线性回归分析，即两个或两个以上自变量对一个因变量的数量变化关系，表现这一数量关系的数学公式成为多元线性回归模型。多远线性回归模型是一元线性回归模型的扩张，其基本原理与一元线性回归模型类似，只是在计算上较为复杂，一般需要借助计算机来完成。多远线性回归，也需要测定方程拟合程度、检验回归方程和回归系数的显著性。

数据的一元与多元线性相关分析，我们发现，各组数据，都有影响其变化的因素，研究一元线性模型时，我们只需要研究一项便可；在多元线性模型里，我们研究的，便是多元化的影响因素，