(5)【结果分析】
结论分析：从最后的系数的分析表中得出，其中施用化肥量与粮食总产量的相关性最大。
第6题
(1)【实验目的】 完成下列题目 (2)【实验任务】
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）与销售价格(x1)各地区的人均收入（x2），广告费用（x3）之间的关系，搜集到30个地区的有关数据。进行多元回归分析所得的结果如下：
表1
模型 回归 剩余 总计 离差平方和 12026774.1 1431812.6 13458586.7 Df 3 26 29 均方离差 4008924.7 55069.7154 F 72.79 Sig 8.88341E-13 4063994.4154
表2 常数 X1 X2 X3 非标准化系数 B 7589.1 -117.9 80.6 0.5012 标准误差 2448 31.95 14.76 0.126 3.1 -3.69 5.46 3.98 t Sig 0.00457 0.00103 0.00001 0.00049 a) 将表 1 中的数据补齐. 如图一
b) 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方程，并解释各回归系数的意义。
Y=-117.9X1+80.6X2+0.5012X3+7589.1 c) 检验回归方程的线性关系是否显著。
显著
d) 检验各回归系数是否显著，
均小于0.05，显著
e) 计算判定系数，并解释它的实际意义。
12026774.1/13458586.7=0.91
表明回归方程对样本数据点拟合优度高。
11
第7题
(1)【实验目的】
用spss预测数据，并估计误差 (2)【实验任务】
试根据“粮食总产量.sav”数据，利用SPSS曲线估计方法选择恰当的模型，对样本期外的粮食总产量进行外推预测，并对平均预测预测误差进行估计。
(3)【操作步骤】
图形，旧对话框，线图，简单，个案组摘要，定义，类别轴选择“年份”，其他统计量变量选择“粮食总产量”。确定
步骤：分析，回归，曲线估计，将“粮食总产量”导入因变量。选择时间，选择二次项和指数分布。保存，确定。
(4)【输出结果】
二次
模型汇总 R .978 R 方 .957 调整 R 方 估计值的标准误 .955 ANOVA 1651.679 回归 残差
平方和 1.961E9 8.730E7 df 2 32 均方 9.804E8 2728042.572 F 359.372 Sig. .000 12
模型汇总 R 总计 R 方 2.048E9 调整 R 方 估计值的标准误 34 系数 个案顺序 个案序列 ** 2 （常数） 未标准化系数 B -164.291 24.234 17269.480 标准误 113.713 3.064 887.803 标准化系数 Beta -.217 1.187 t -1.445 7.909 19.452 Sig. .158 .000 .000 指数
模型汇总 R .939 R 方 .881 调整 R 方 估计值的标准误 .878 ANOVA .107 回归 残差 总计 平方和 2.828 .381 3.209 df 1 33 34 均方 2.828 .012 F 244.898 Sig. .000 系数 个案顺序 （常数） 未标准化系数 B .028 14169.354 标准误 .002 525.997 标准化系数 Beta .939 t 15.649 26.938 Sig. .000 .000 因变量为 ln(粮食总产量(y万吨))。 13
(5)【结果分析】
分析1 ：由线图可以看出，粮食总产量非线性增加，因此，可以通过曲线估计进行分析。 所以在用二次曲线和指数曲线拟合。
分析2：指数曲线模型，明显优于二次曲线模型， 所以利用指数模型进行合理预测未来粮食总产量。
14