篇一：相关与回归分析实验报告心得怎么写
回归分析实验报告
财政收入研究
摘要
本文是对财政收入与农业增加值、工业增加值、建筑业增加值、人口数、社会消费总额、受灾面积进行多元线性回归。首先，根据所给数据，对数据进行标准化，然后进行相关性分析，初步确定各因素与财政收入的相关程度。再运用逐步回归分析，确定了变量子集为工业增加值、人口数和社会消费总额。之后，为了消除复共线性，用主成分估计对回归系数进行有偏估计，获得了模型的回归系数估计值。最后，对所得结果作了分析，并给出了适当建议。
一、数据处理
为了消除变量间的量纲关系，从而使数据具有可比性，运用spss对所给数据进行标准化。
二、相关性分析
要对某地财政收入影响因素进行多元回归分析，首先要分析财政收入与各自变量的相关性，只有与财政收入有一定相关性的自变量才能对财政收入变动进行解释。运用spss得到变量间的相关系数表如下：
表一：
相关系数表
x6:
受y:
财政收x1:
农业
x2:
工业
x3:
建筑业
x4:人口数
x5:社会消费总额
灾面积
入
.970**
.00023.987**
.00023.986**
.000x1:
农业
PearsonCorrelationSig.(2-tailed)Nx2:
工业
PearsonCorrelationSig.(2-tailed)Nx3:
建筑Pearson业
CorrelationSig.(2-tailed)1.975**
.000.972**
.00023.996**
.000.906**
.00023.892**
.00023.876**
.000.978**
.00023.999**
.00023.995**
.000.487*
.01823.472*
.02323.452*
.0323.975**
.0023.972**
.00023123.996**
.00231Nx4:
人口Pearson数
CorrelationSig.(2-tailed)Nx5:
社会Pearson消费总额
CorrelationSig.(2-tailed)Nx6:
受灾Pearson面积
CorrelationSig.(2-tailed)Ny:
财政收入
PearsonCorrelationSig.(2-tailed)N23.906**
.00023.978**
.00023.487*
.01823.970**
.0002323.892**
.00023.999**
.00023.472*
.02323.987**
.0002323.876**
.0023.995**
.00023.452*
.03023.986**
.0002323.903**
.0023.560**
.00523.883**
.0002323.475*
.02223.991**
.0002323.452*
.031232323123.903**
.00023123.560**
.00523.475*
.02223123.883**
.00023.991**
.00023.452*
.031231**.Correlationissignificantatthe0.01level(2-tailed).*.Correlationissignificantatthe0.05level(2-tailed).
由上表可知，财政收入与农业增加值、工业增加值、建筑业增加值、人口数、社会消费总额呈高度正相关，但与受灾面积相关程度不高。由此表明所选取的大部分变量是可以用来解释财政收入变动的。为进一步确定最优子集，下面用逐步回归法。
三、回归分析
回归分析就是对具有相关关系的变量之间数量变化的一般关系进行测定,确定一个相关的数学表达式,以便于进行估计或预测的统计方法。在此利用逐步回归法选定回归方程。
逐步回归思想：综合运用前进法和后退法，将变量一个一个引入，引入变量的条件是其偏回归平方和经检验是显著的。同时，每引入一个新变量，对已入选方程的老变量逐个进行检验，将经检验认为不显著的变量剔除，以保证所得自变量子集中的每个变量都是显著的。此过程经若干步直到不能再引入新变量为止。
运用spss得到逐步回归的输出结果：
表二：
回归系数表
Collinearity非标准化系数
模型
1(Constant)x5:社会消费总额
2(Constant)x5:社会消费总额
x2:
工业增加值
3(Constant)x5:社会消费总额
x2:
工业增加值
x4:
人口数
B-1.292E-16.991-1.210E-162.649-1.660-2.451E-174.021-2.829-.225标准误差
.02.029.024.555.555.01.485.460.0484.0212.649标准化系数
Betat.000.99133.990.0004.776Sig.1.00.0001.00.000.0071.00.000.000.0001.000StatisticsToleranceVIF
1.00.002499.022.002499.022-1.660-2.992.0008.292.001783.048.001705.453.1317.663-2.829-6.147-.225-4.697a.DependentVariable:y:
财政收入
由表二可知，模型三是最终模型，最终选入方程的自变量为：x2：工业增加值；x4：人口数；x5：社会消费总额。
表三：
复共线性诊断表
DimensModelion112212331234特征值
1.0001.0001.9991.000.0012.8631.000.136.001条件数
1.0001.0001.0001.41444.6551.0001.6924.58965.284VarianceProportions(Constant)x5:社会消费总额
x2:工业增加值
x4:人口数
1.00.00.001.00.00.001.00.00.00.01.0.00.001.00.00.00.001.0.0.01.0.00.00.001.00.01.00.65.33a.DependentVariable:y:
财政收入
由表三可知，条件数为k=65.284>10，所以存在较强的复共线性。此时若用最小二乘估计，效果不够理想。所以，本文选用主成分估计来对回归系数进行有偏估计。
四、主成分估计
主成分估计是对自变量进行正交变换，获得新的自变量，成为主成分，然后剔除对应的特征值比较小的那些主成分，再将剩余的主成分对y做最小二乘回归，再返回到原来的参数，如此便得到了因变量对原始自变量的主成分回归。
运用Mtlab得到如下结果（程序见附页）：
?0.7?Q??0.02??0.72?0.420.58???0.830.56?0.380.58??
V?0.0195???0?0?00??3.04540?
062.9352???0.5262???B???0.0618??0.5081???
由上述结果可以看出，第一个特征值接近于0，且后两个主成分的贡献率
?i/??i?0.999?99.9%
?i?2i?1因此剔除第一个主成分，只保留后两个主成分。
各变量平均值分别为
33x=12507.87x=1119.87x5=18001.96y=4077.30424相应的s2=12518.3s4=97.34s5=17067.43sy=3351.48将B矩阵中的数值代入经验回归方程
??y?x2?x2?x4?x4?x5?x5y?????
45S4S5SY?2S2化简后则得到的经验回归方程为
y?2902.044?0.141x2?2.13x4?0.1x5通过该方程可以计算得出预测值，将预测值与实际值进行比较如下图，可以看出，附页：
主成分估计的Matlab程序：
x2=[-0.87;-0.85;-0.83;-0.83;-0.82;-0.80;-0.77;-0.72;-0.68;-0.63;-0.53;-0.48;-0.45;0.35;0.17;0.13;0.54;0.97;1.32;1.59;1.67;1.75;1.86];x4=[-1.62;-1.48;-1.36;-1.22;-1.06;-0.92;-0.78;-0.63;-0.46;0.27;0.10;0.07;0.23;0.39;0.52;0.66;0.80;0.94;1.05;1.19;1.31;1.35;1.37];x5=[-0.92;-0.9;-0.88;-0.86;-0.84;-0.81;-0.77;-0.71;-0.67;-0.61;-0.50;-0.43;-0.38;0.28;0.12;0.12;0.51;0.91;1.28;1.49;1.66;1.81;1.92];y=[-0.87;-0.87;-0.87;-0.86;-0.85;-0.80;-0.72;-0.61;-0.58;-0.56;-0.51;-0.42;-0.34;-0.27;-0.17;0.08;0.34;0.64;0.99;1.36;1.73;1.92;2.29];x=[x2,x4,x5];>>[Q,V]=eig(x"*x)i=[0,0;1,0;0,1];Z=x*Q;Z2=Z*i;>>Q2=Q*i;B=Q2*inv(Z2"*Z2)*Z2"*y注：所用数据为所给数据在spss中标准化处理后的数据
参考文献：
[1]王松桂、陈敏、陈立萍，线性统计模型
高等教育出版社
[2]朱建平、范霄文，Excel在统计工作中的应用
清华大学出版社
[3]尹海洁、刘耳，社会统计软件
社会科学文献出版社
篇二：相关与回归分析实验报告心得怎么写
中国计量学院现代科技学院
实
验
报
告
实验课程：
应用统计学
实验名称：
回归分析
班
级：
学
号：
姓
名：
实验日期：
实验成绩：
指导教师签名：
一．实验目的一元线性回归简单地说是涉及一个自变量的回归分析，主要功能是处理两个变量之间的线性关系，建立线性数学模型并进行评价预测。本实验要求掌握一元线性回归的求解和多元线性回归理论与方法。
二．实验环境
中国计量学院现代科技学院机房310三．实验步骤与内容
1打开应用统计学实验指导书，新建excel表
供水管全年供道长度水总量（公里）
（万平方米）
北京
15896128823天津
682264537河北
160132山西
77525内蒙古
59276辽宁
21999280510吉林
159570黑龙江
153387上海
308309江苏
380395浙江
235535安徽
204128福建
118512江西
143240山东
259782河南
185092湖北
257787湖南
262691广东
568949广西
134412海南
20241重庆
71077四川
165632贵州
45198云南
52742西藏
5363地区
陕西
甘肃
青海
宁夏
新疆
4270501089373580621271439022921766852．打开SPSS，将数据导入
3．打开分析，选择回归分析再选择线性
因变量选全年供水总量，自变量选供水管道长度
统计里回归系数选估计，再选择模型拟合
按继续再按确定会出来分析的结果
对以上结果进行分析：
（1）回归方程为：y=+（X是自变量供水管道长度，Y是因变量全年供水总量）
（2）检验
1）拟合效果检验
根据表2可知，R2=，即拟合效果好，线性成立。
2）回归方程检验
根据表三可知，Sig=<,所以回归方程显着
3）系数
Sig=<，所以通过。
综上所述，该回归方程成立。
四．实验体会：
通过本次实验，我学会了如何使用SPSS对数据进行回归分析，以及知道如何对实验结果进行分析。R是自变量与因变量的相关系数。R2就是回归分析的决定系数，说明自变量和因变量形成的散点与回归曲线的接近程度，数值介于0和1之间，这个数值越大说明回归的越好。Sig值是回归关系的显着性系数，当他<=的时候，说明回归关系具有统计学支持。如果它>，说明二者之间用当前模型进行回归没有统计学支持，应该换一个模型来进行回归。我觉得相对于Excel而言，SPSS更具专业性，对数据的分析更准确。以后应更习惯使用SPSS来分析各种数据。
篇三：相关与回归分析实验报告心得怎么写
线性回归分析实验报告总结
实验名称
线性回归分析
实验目的1、通过实验掌握线性回归模型拟合及参数估计
2、获得处理统计推断与预测的能力
3、学会残差分析、掌握Box-Cox变换的方法
4、学会最优回归方程的选取
5、进一步熟悉SAS的应用
二、用文字或图表记录实验过程和结果
解：
sas程序为：
datatwo_4;
inputyx1x2;
CARDS;
......(省略了数据)
;
RUN;
PROCREGDATA=two_4;
modely=x1x2/I;
OUTPUTOUT=aP=PREDICTEDR=RESIDUALH=HSTUDENT=STUDENT;
RUN;
PROCCAPABILITYDATA=aGRAPHICS;
QQPLOT;
RUN;
PROCGPLOTDATA=a;
PLOTRESIDUAL*PREDICTEDRESIDUAL*x1RESIDUAL*x2;
SYMBOLVALUE=DOTI=NONE;
RUN;
PROCIML;
N=15;
USEtwo_4;
READALLVAR{yx1x2}INTOM;
X=M[,2]#M[,3];
X2=M[,3];
Y=M[,1];
P=Y||X||X2;
CREATERESOLVEVAR{YXX2};
APPENDFROMP;
QUIT;
PROCREGDATA=RESOLVE;
MODELY=XX2;
RUN;
PROCPRINT;
RUN;（1）<表一>参数估计的sas输出结果为：
ParameterEstimates
Parameter
Standard
Variable
DF
Estimate
Error
tValue
Pr>|t|
Intercept
x1<.0001x2<.0001分析：参数?0、?1、?2的估计值为、、误差方差?的估计值?=MSE=，2?由此输出结果得到回归方程为：Y=++从参数估计的sas输出结果中的最后一列p值可知，该城市中适合使用该化妆品的人数X1以及他们的与收入X2对化妆品在该城市的月销售量Y有显著影响，当适合使用该化妆品人的收入X2固定时，该城市中适合使用该化妆品的人数X1每增加一人，此化妆品的月销售量将增加个单位；同理当该城市中适合使用该化妆品的人数X1固定时，他们的收入X2增加一单位时，月销售量增加个单位；
（2）<表二>插入方差分析表：
AnalysisofVariance
Sumof
Mean
Source
DF
Squares
Square
FValue
Pr>F
Model
5384526922<.0001Error
12CorrectedTotal
1453902分析：线性回归关系显著性检验：统计量的观测值F0=检验的p值p0=PH0（F>=F0）<。并且在方差分析表中，还输出了R2，即R2=SSR/SST=53845/53902=其中R2值接近于1.，这些结果说明了Y与X1，X2之间的线性回归关系是显著的。
（3）?=，由于t1??(n-p)=(12)=，利用<表一>中参数估计值可求得2??0、?1、?2的置信度为95%的置信区间为分别为：
?0：+*即，?1：+*即（，）
?2：+*即（，）
（4）
参数估计的sas输出结果为：
ParameterEstimates
Parameter
Standard
Variable
DF
Estimate
Error
tValue
Pr>|t|
Intercept
x1<.0001x2<.0001分析：从表中的数据可知P01以及P02的值均小于，所以拒绝H0，接受H1，就是说，X1X2对Y变化的影响都是显著的。
为检验交叉X1X2交叉项对Y的综合影响，我们设计全模型为:Y??0??1X1??2X2??3X1X2，通过SAS程序以及观测数据可以得到对于全模型的方差分析表为：
AnalysisofVariance
Sumof
Mean
Source
DF
Squares
Square
FValue
Pr>F
Model
522942614<.0001Error
12CorrectedTotal
1453902由表中的数据可知：SSE(F)=；fF=15-4=11，而从第（1）问可知SSE(R)=；fR=15-3=12；所以检验统计量观测值F0=[（）/1]/[11]=
（5）对于给定的X1、X2的值为（X01，X02）=（220,2500），由回归方程Y=++得到销售量Y的预测值为
从procreg过程得到矩阵（XTX）-1为：
令X0=（220,2500）T，因为MSE=，利用sas系统中prociml过程计算可得
X0inv(XTX)X0为；所以有：
TT-1MSE[1+x（0xx）x0]=?4.74030[1+1.1419E23]=所以y0的置信度为95%的置信区间为：
TT-1y0+（12）*MSE[1+x（xx）x0]=即（，135.）其中IML过程为：
0?DATAEAX;
PROCIML;
X0={1,220,2500};
X={
,
,
};
A=inv(X`*X);
BETA=X0`*A*X0;
RUN;
PRINTBETA;
（6）通过procreg过程输出了学生化残差，并且同时输出了因变量
Y的拟合值Yi，残差?和杠杆量h。结果如下：
<表三>
Obs
y
x1x2PREDICTED
RESIDUAL
STUDENT
H
16227424512183254223375380213120528368623416265378281930019233245116195213555325611252434021223237244213144236266141031520815212372605分析：
正态性的频率检验：通过表中显示的数据，可知学生化残差(STUDENT列)中有落入（-1,1）区间的有9/15=即60%；落入（,）区间的有13/15=即%；落入（）区间内的有15/15=1即100%。所以，学生化残差落在上述各区间内的频率与标准正态分布的相应概率相差不大，因此，模型误差项符合服从正态分布的假定。
正态QQ图检验：通过SAS系统中capacity过程可以直接做出正态QQ图，对于<表三>中求得的学生化残差，其正态QQ图如图所示：
2Stude1ntizedResid-1ual-2-2.0-1.5-1.0-0.50.0NormalQuantiles0.51.01.52.由图可知，图中的点大致在一条直线上，因此说明题中线性回归模型中误差项正态分布的假定是合理的。
残差图分析：通过SAS系统的precgplot过程分别输出了残差与Y拟合值、残差与自变量X1,残差与自变量X1的残差图，如下图：
Residual43210-1-2-3-40100PredictedValueofy20030Residual43210-1-2-3-40100200x130040050Residual43210-1-2-3-420003000x24000500由图可知：（1）在以因变量y为横坐标的残差图中，图中个点大致在一个水平的带状区域内，而且，没有呈现出明显的趋势，说明了因变量拟合值向量与残差向量不相关，也就是说Y与?相互独立，此时，认为假设是合理的；（2）在以自变量X1、X1量为横坐标的残差图中，残差没有随自变量变化而变化的趋势，说明了假设是合理的。
2．6解：
SAS源程序为：
DATAtwo_6;
INPUTx1x2y@@;
CARDS;
......
;
PROCREGDATA=two_6;
MODELy=x1x2;
OUTPUTOUT=bP=PREDICTEDR=RESIDUALH=HSTUDENT=STUDENT;
PROCCAPABILITYDATA=bGRAPHICS;
QQPLOT;
RUN;
PROCGPLOTDATA=b;
PLOTRESIDUAL*PREDICTEDRESIDUAL*x1RESIDUAL*x2;
SYMBOLV=DOTI=NONE;
RUN;
PROCIML;
N=31;PI=1;
USEtwo_6;
READALLVAR{x1x2y}INTOM;
Y=M[,3];
X=J(N,1,1)||M[,1:2];
A=X*INV(X`*X)*X`;
DOI=1toN;
PI=PI#M[I,3];
END;
TEMP=PI##(1/N);
DOLAMDA=to
by;
Z=(Y##LAMDA-J(N,1,1))/(LAMDA#(TEMP##(LAMDA-1)));
SSE=Z`*(I(N)-A)*Z;
LAS=LAS3Stud2enti1zed
R0esidu-1al-2-3-2-10NormalQuantiles123Residual876543210-1-2-3-4-5-6-7010203040506070PredictedValueofyResidual876543210-1-2-3-4-5-6-7891011121314x115161718192021Residual876543210-1-2-3-4-5-6-76070x28090?,z??z???z?z??
32Studentized
Residual10-1-2-3-2-10NormalQuantiles123Residual0.40.30.20.10.0-0.1-0.2-0.3-0.4-0.5345678910PredictedValueofZ
Residual0.40.30.20.10.0-0.1-0.2-0.3-0.4-0.5891011121314X115161718192021Residual0.40.30.20.10.0-0.1-0.2-0.3-0.4-0.56070X28090?....(省略了数据)
?;
PROCIML;
N=31;
USEtwo_6;
READALLVAR{x1x2y}INTOM;
X1=M[,1]#M[,1];
X2=M[,2];
Y=M[,3];
P=X1||X2||Y;
CREATERESOLVEVAR{X1X2Y};
APPENDFROMP;
QUIT;
PROCREGDATA=RESOLVE;
MODELY=X1X2;
OUTPUTOUT=bP=PREDICTEDR=RESIDUALH=HSTUDENT=STUDENT;
RUN;
PROCCAPABILITYDATA=bGRAPHICS;
QQPLOT;
RUN;
PROCGPLOTDATA=b;
PLOTRESIDUAL*PREDICTEDRESIDUAL*X1RESIDUAL*X2;
SYMBOLV=DOTI=NONE;
RUN;
PROCPRINT;
RUN;
通过SAS输出有关残差的结果如下：
Obs
X1X2Y
PREDICTED
RESIDUAL
STUDENT
H
7656372818366758751171276137614615751674185186171264217228237424722572681282282838318分析：
正态性的频率检验：
1、通过表中显示的数据，可知学生化残差(STUDENT列)中有落入（-1,1）区间的有18/31=即%；落入（,）区间的有28/31=即%；落入（）区间内的有31/31=1=100%。所以，学生化残差落在上述各区间内的频率与标准正态分布的相应概率相近，因此，从正态性频率检验可以知道模型误差项符合服从正态分布的假定。
2、与上一题未作变换钱相比较落入（-1,1）区间的数据个数没有改变，但落入（,）区间以及（）区间内的数据个数有了明显的改善，由此可知，此模型拟合的更好。
正态QQ图检验：通过SAS系统中capacity过程可以直接做出正态QQ图，对于<表三>中求得的学生化残差，其正态QQ图如图所示:
1.51.0Studentized
Residual0.50.0-0.5-1.0-1.5-2.0-3-2-10NormalQuantiles123由学生化残差的正态QQ图可知，图中的线性关系并不是很好，有一些点偏离了直线，由此说明题中线性回归模型中误差项正态分布的假定是基本上是合理的。
残差图分析：通过SAS系统的precgplot过程分别输出了残差与Y拟合值、残差与自变量X1,残差与自变量X1的残差图，如下图：
Residual43210-1-2-3-4-5010203040PredictedValueofY5060708Residual43210-1-2-3-4-50100200X130040050Residual43210-1-2-3-4-56070X2809由图可知：
1、（1）在以因变量y为横坐标的残差图中，图形大致形成了一个U型，但并不是很明显，说明回归函数是非线性的，可能需要引进某个或者某些自变量的二次项或者交叉乘积；（2）在以自变量X1、X2量为横坐标的残差图中，根据图形的显示，说明了回归函数关于基本X2基本上呈现线性，但是图像中显示的残差与X1可能不是线性的，有可能要引进X1的平方项或者交叉项，由此说明了此模型拟合的效果是不错的。
2、与上题对比可知：在本题中拟合的模型的效果要由于上题变换前的模型效果。
解：
SAS源程序为：
DATAtwo_9;
INPUTX1X2X3Y@@;
CARDS;
......
;
PROCREGDATA=two_9;
MODELY=X1X2X3;
OUTPUTOUT=bP=PREDICTEDR=RESIDUALH=HSTUDENT=STUDENT;
PROCCAPABILITYDATA=bGRAPHICS;
QQPLOT;
RUN;
PROCGPLOTDATA=b;
PLOTRESIDUAL*PREDICTEDRESIDUAL*X1RESIDUAL*X2RESIDUAL*X3;
SYMBOLV=DOTI=NONE;
RUN;
PROCREGDATA=two_9;
MODELY=X1X2X3/SELECTION=ADJRSQ;
RUN;
PROCREGDATA=two_9;
MODELY=X1X2X3/SELECTION=CP;
RUN;
PROCREGDATA=two_9;
MODELY=X1;
OUTPUTOUT=a1PRESS=PRESS;
RUN;
PROCMEANSUSSDATA=a1;
VARPRESS;
RUN;
PROCREGDATA=a1;
MODELY=X1X2;
RUN;
PROCREGDATA=two_9;
MODELY=X2;
OUTPUTOUT=a2PRESS=PRESS;
RUN;
PROCMEANSUSSDATA=a2;
VARPRESS;
RUN;
PROCREGDATA=two_9;
MODELY=X3;
OUTPUTOUT=a3PRESS=PRESS;
RUN;
PROCMEANSUSSDATA=a3;
VARPRESS;
RUN;
PROCREGDATA=two_9;
MODELY=X1X2;
OUTPUTOUT=a4PRESS=PRESSP=PREDICTEDR=RESIDUALH=HSTUDENT=STUDENT;
PROCCAPABILITYDATA=a4GRAPHICS;
QQPLOT;
RUN;
PROCGPLOTDATA=a4;
PLOTRESIDUAL*PREDICTEDRESIDUAL*X1RESIDUAL*X2;
SYMBOLV=DOTI=NONE;
RUN;
RUN;
PROCMEANSUSSDATA=a4;
VARPRESS;
RUN;
PROCREGDATA=two_9;
MODELY=X1X3;
OUTPUTOUT=a5PRESS=PRESS;
RUN;
PROCMEANSUSSDATA=a5;
VARPRESS;
RUN;
PROCREGDATA=two_9;
MODELY=X2X3;
OUTPUTOUT=a6PRESS=PRESS;
RUN;
PROCMEANSUSSDATA=a6;
VARPRESS;
RUN;
PROCREGDATA=two_9;
MODELY=X1X2X3;
OUTPUTOUT=a7PRESS=PRESS;
RUN;
PROCMEANSUSSDATA=a7;
VARPRESS;
RUN;
PROCREGDATA=two_9;
MODELY=X1X2X3/SELECTION=STEPWISESLENTRY=SLSTAY=;
RUN;
PROCPRINT;
RUN;
通过SAS输出有关残差的结果如下：
Obs
X1X2X3Y
PREDICTED
RESIDUAL
STUDENT
H
5514364654466414472438454364254645454526226257112481243536133554143451511553545163646613356712468133462555142125272244552234356分析：
正态性的频率检验：
通过表中显示的数据，可知学生化残差(STUDENT列)中有落入（-1,1）区间的有13/23=即%；落入（,）区间的有20/23=即%；落入（）区间内的有23/23=1=100%。所以，学生化残差落在上述各区间内的频率与标准正态分布的相应概率相近，因此，从正态性频率检验可以知道模型误差项符合服从正态分布的假定。
正态QQ图检验：通过SAS系统中capacity过程可以直接做出正态QQ图，对于<表三>中求得的学生化残差，其正态QQ图如图所示:
2.01.5Studentized
Residual1.00.50.0-0.5-1.0-1.5-2.0-2-10NormalQuantiles12由学生化残差的正态QQ图可知，图中的线性关系并不是很好，有一些点偏离了直线，由此说明题中线性回归模型中误差项正态分布的假定是基本上是合理的。
残差图分析：通过SAS系统的precgplot过程分别输出了残差与Y拟合值、残差与自变量X1,残差与自变量X1的残差图，如下图：
Residual20100-10-2030405060PredictedValueofY70809Residual20100-10-20203040X1506Residual20100-10-2043444546474849505152X253545556575859606162Residual20100-10-201.81.92.02.12.22.3X32.42.52.62.72.82.由图可知：
在以因变量y为横坐标的残差图中，图中各点并没有很显然的分布在一个水平的带状区域内，说明了此模型应该做出改进；
在以自变量X1、X2量为横坐标的残差图中，残差没有随自变量变
化而变化的趋势，说明了假设是合理的；然而在以X3为横坐标的残插图中，散点分布并不十分满意，而是出现了误差方差随X3的增大而减小的趋势，即误差等方差的假定可能不合理。
(2)在Ra2(p)准则下：通过SAS程序中的REG过程在所得的复相关系数平方Ra2(p)达到最大时R2a最优模型为含有自变量(p)=此时，X1与的回归方程X2的回归方程，拟合的回归方程为：Y?166.59133-1.26046X1-1.08932X2;
在Cp准则下：通过SAS程序中的REG过程在所得的Cp=最接近P值，此时模型包含X1、X2、X3三个变量，拟合的回归方程为：Y?162.8759?1.21032X1?0.66591X2?8.62303X3在PRESSP准则下：通过SAS程序中的REG过程及MEANS过程所得的PRESSP达到或者接近最小时，PRESSP=，此时模型包含X1、X3作为自变量，拟合的回归方程为：Y?147.07512?1.24336X1?15.89064X3由此可见：三种准则下的最优模型是不同的，结果不一致。
（3）对于?E??D?0.10，用逐步回归法选择最优方程时，回归方程的自变量含有X1、X2，拟合的方程为：Y?166.59133-1.26046X1-1.08932X2;
残差分析：
通过SAS输出有关残差的结果如下：
Obs
X1X2X3Y
PREDICTED
RESIDUAL
STUDENT
H
5514364654466414472438454364254645454526226257112481243536133554143451511553545163646613356712468133462555142125272244552234356分析：
正态性的频率检验：通过表中显示的数据，可知学生化残差(STUDENT列)中有落入（-1,1）区间的有13/23=即%；落入（,）区间的有20/23=即%；落入（）区间内的有23/23=1=100%。所以，学生化残差落在上述各区间内的频率与标准正态分布的相应概率相近，因此，从正态性频率检验可以知道模型误差项符合服从正态分布的假定。
正态QQ图检验：通过SAS系统中capacity过程可以直接做出正态QQ图，对于<表三>中求得的学生化残差，其正态QQ图如图所示:
2.01.5Studentized
Residual1.00.50.0-0.5-1.0-1.5-2.0-2-10NormalQuantiles12由学生化残差的正态QQ图可知，图中的线性关系并不是非常的明显，不过图中大多数点大致在一条直线上，由此说明题中线性回归模型中误差项正态分布的假定是基本上是合理的。
残差图分析：通过SAS系统的precgplot过程分别输出了残差与Y拟合值、残差与自变量X1,残差与自变量X1的残差图，如下图：
Residual20100-10-2030405060PredictedValueofY70809Residual20100-10-20203040X1506Residual20100-10-2043444546474849505152X253545556575859606162由图可知：（1）在以因变量y为横坐标的残差图中，图形大致分布在水平带型区域，说明假设时合理的（2）在以自变量X1、X2量为横坐标的残差图中，根据图形的显示，说明了回归函数关于基本X1、X2基本上呈现线性，说明假设合理。
结论：由残差分析表明，选择的最优回归方程要优于未做最优模型选择时的回归方程。
篇四：相关与回归分析实验报告心得怎么写
统计学实验报告
学
号：
姓
名：
专
业：
班
级：
指导教师：
工商管理
101吴风庆
实验（三）
实验题目
实验地点
实验目的：
商学实验中心207相关与回归分析
实验日期
2012-5-91.掌握相关分析
2.掌握回归模型的建立
3．掌握时间序列中移动平均、指数平滑与趋势测定的方法
实验环境
WindowsXP系统
Excel统计软件
实验步骤及结果分析：（一）
1.
加载宏
2.回归分析输入数据
3.回归分析数据结果
4.1.MultipleR为相关系数；RSquare为判定系数R2=1-SSE/SST=SSR/SST,也称拟合优度，反映整体的拟合情况；计算得R2=0.632151说明在出租率Y的变动中，能被每平方米租金多少的回归方程解释的比例为0.632151.。AdjustedRSquare为调整后的判定系数R2。
其意义与R2类似.
2.上表中的方差分析是指在回归分析中利用方差分析的思想进行显著性检验，其原假设是H0:?i?y)?2；残差SS是指残差平方线性关系不显著。回归分析SS是指回归平方和SSR??(yi?1n?)2和
SSE=?(yi?yi?1n回归分析MS=SSR/k;残差MS=SSE/(n-k-1),其中kn-k-1分别为SSRSSE的自由度（df）
3.检验统计量F=(SSR/k)/(SSE/(n-k-1))~F(k,n-k-1).4.上表中的Coefficients列指系数，其中Intercept为截距，XVariable1为自变量；标准误差指回归系数的标准误差，其中：S?=
S?
1/n?(x)/?(xi?x)2i?1n2；
S?1?S?/?(xi?11ni?x)2；
tSta为各系数的回归检验统计量。其中t???0??0S??0,t?????1S??1;Lower95%,Upper95%为区间估计中各回归系数的置信上1/n?(x)/?(xi?x)2i?1n2??t(n?2)S
限和置信下限，区间估计公式为：?0??2；??t(n?2)S?/?1?2?(xi?1ni?x)2?2?0.6117155.由上表知
调整后的判定系数RR;F统计量为30.93318.回归系数T的统计量12.96.5.56.都显著。
（二）（1）做散点图
a.选择作图类型
b.输入数据
C确定标题
d结果输出
由图可知人均消费水平随着人均国内生产总值的增加大体也增加所以人均消费水平与国内生产总值是正线性相关。
（2）相关系数
人均国内生产总
人均消费水平
值
人均国内生产总1值
人均消费水平
0.979641111由表可知人均国内生产总值与人均消费水平的相关系数为0,97964111，又r的绝对值越接近1，表明x与y的线性相关程度越密切。所以人均国内生产总值与人均消费水平的相关程度大。
（3）
人均消费水平与国内生产总值的回归方程为??724.7101?0.297415yx回归系数??724.7101??0.297415人均消费水平增加0.297415;??表示人均国内生产总值每增加一元，10表示即使在人均国内生产总值为0的情况下，人均消费水平平均为724.7101.4.R2=0.959697说明在人均消费水平Y的变动中，有95.9697%是由国内人均生产总值决定的。可见人均消费水平与人均国内生产总值之间有较强的线性关系，回归直线的拟合程度较高。
5.第一步：提出假设。H0:?1=0(y不随x的变化而线性变化)
H1:?1?0(l两个变量之间的线性关系显著)第二步：计算检验统计量F.SSR1=MSR=214.31F=SSEMSEn?2第三步：作出决策。将回归方差分析表中的P值与跟定的显著性水平α=-0.05进行比较，由于P值=1.39?10-7《α
=0,。05，所以拒绝原假设。
??724.7101?0.2974156，由回归方程yx
所以将x=5000带入的2211.7851，所以当某地区的人均GDP为5000元时，其人均消费水平为2211.7851.
7.Lower95%,Upper95%为区间估计中各回归系数的置信上限和置信下限，区间估计公式为：??t(n?2)S?/?1?2??t(n?2)?0?2S?
1/n?(x)/?(xi?x)2i?1n2；?(xi?1ni?x)2所以置信区间的下线为y=-289.461+0.251457×5000＝967.824置信区间的下限为y=1738.881＋0.343374×5000＝3455.751所以当人均GDP为5000元时，在95%的置信水平下的置信区间为（967.824，3455.751）
(三)1.在“工具”菜单中选择“数据分析”选项，从其“分析工具”列表中选择“移动平均”
2.
数据输入
3.三项移动平均结果输出
4，三项移动平均与五项移动平均对比结果
DF列为移动的误差平方本例中3期移动的MSE为27.0267、五期移动的MSE为58.77241所以三期的移动平均的效果优于五期。
5、第一步
在“工具”菜单中选择“数据分析”选项，从其“分析工具”列表中选择“指数平滑”
2输入数据
3.
结果
α＝0.3预测结果为511.2333α＝0.预测结果为598.09814.
参数的最小二乘估计-------回归模型的估计
图像结果
上表中的Coefficients列指系数，其中Intercept为截距，XVariable1为自变量；
所以人均消费水平与国内生产总值的回归方程为?=613.86当x=2012则y???50450y.7?25.38x
11考核结果
教师签名
年
月
日
12
篇五：相关与回归分析实验报告心得怎么写
实验报告心得体会怎么写5篇
我们在一些事情上受到启发后,往往会写一篇心得体会,这样能够给人努力向前的动力。相信许多人会觉得心得体会很难写吧，下面是小编为大家整理的实验报告心得体会怎么写，希望能够帮助到大家!实验报告心得体会怎么写1经过半年的生化实验的学习让我受益菲浅。在生化实验课即将结束之时，我对在这半年来的学习进行了总结，总结这一年来的收获与不足。取之长、补之短，在今后的学习和工作中有所受用。
这半年的生化实验主要有folin—酚法测蛋白稀碱法提取酵母RNA醋酸纤维薄膜电泳RNA定量测定—UV吸收法纤维素酶活力的测定最适PH选取菲林试剂热滴定定糖法肌糖元的酵解作用N—末端氨基酸残基的测定——DNS—CL法柱层析分离色素凯式定氮法等实验。
在这些实验中，凯式定氮法是给我印象最深的一个实验，因为这个实验使我认识了改良式凯式蒸馏仪的基本结构，同样的也让我透过这次实验掌握了凯式定氮法的操作技术。在这次实验中，我和我的同组者—韩文志犯了一些错误，而且是很不就应犯的错误，我们都忘了在做实验时要加入新的沸石，这是个很低级的错误，差点引起溶液的暴沸。透过这次错误我认识到，很多知识，即使是老师在怎样说，它也只是理论，当我们不能把它应用到实践中去时，它对我们都是毫无好处的。此刻更深的认识到了理论结合实际的观点。在这次实验中我们损坏了改良式凯式蒸馏仪，并且赔了钱，钱不是问题，重要的是操作的问题，我觉得我们在做实验时还是对仪器不是很熟悉，做实验时不认真。
还有一个是柱层析分离色素，这个实验主要是掌握吸附层析的原理和操作技术，我记得这次实验我是第二个到的实验室，当时还很有成就感，进来后就称菠菜，还有研磨，这是很累人的活，我觉得，因为想把它研磨的好些，又想快点做实验，于是就一向磨一向磨，直到做下一步时才觉得手腕有点累。我记得在加棉花时，由于不明白就应加多厚，提取色素时还很是胆战心惊的。我觉得在这个实验中，装柱
这一步是很重要的，于是我们很留意的装，直到柱面很平。直到最后，分离色素后，看到我们的色带分离的很好，很是高兴。
半年实验做下来，最“苦”的要数“菲林试剂热滴定定糖法”这个实验了。这个实验要求我们正确掌握滴定管的使用方法和热滴定的终点。由于全部滴定过程务必在沸腾状态下快速进行，而且终点不容易把握，我们滴了好几十次才确定了终点。当时我的同组者—韩文志已经被火烤的不行了。
在这半年的十几次的实验的学习中，我受益颇多。毫无疑问，它培养了我的动手潜力。每个实验我都会亲自去做，不放下每次锻炼的机会。经过这半年，我的动手潜力有了明显的提高;它让我养成了课前预习的好习惯。一向以来就没能养成课前预习的好习惯(虽然一向明白课前预习是很重要的)，但经过这半年，让我不仅仅深深的懂得课前预习的重要，更领会了课前预习的好处。只有在课前进行了认真的预习，在做实验时效率才会更高，才能收获的更多、掌握的更多;它还提高了我处理数据的潜力;做实验就会有数据，有数据就要处理，数据处理的是否得当将直接影响实验成功与否。
半年实验虽然收获很多，但在这中间，我也发现了我存在的很多不足。我的动手潜力还不够强，当有些实验需要很强的动手潜力时我还不能从容应对;我的探索方式还有待改善，当应对一些复杂的实验时我还不能很快很好的完成;我的`数据处理潜力还得提高，当眼前摆着一大堆复杂数据时我处理的方式及潜力还不足，不能用最佳的处理手段使实验误差减小到最小程度……总之，生化实验课让我收获颇丰，同时也让我发现了自身的不足。在实验课上学得的，我将发挥到其它中去，也将在今后的学习和工作中不断提高、完善;在此间发现的不足，我将努力改善，透过学习、实践等方式不断提高，克服那些不应成为学习、获得知识的障碍。在今后的学习、工作中有更大的收获，在不断地探索中、在无私的学习、奉献中实现自己的人身价值!实验报告心得体会怎么写2电路实验课已经结束，请按题目要求认真完成实验报告，并要仔细检查一遍，以免退回，具体要求如下：
一、绘制电路图要工整、选取适宜比例，元件参数标注要准确、完整。
二、计算题要有计算步骤、解题过程，要代具体数据进行计算，不能只写得数。
三、实验中测试得到的数据要用黑笔誊写在实验报告表格上，铅笔字迹清楚也能够，如纸面太脏要换新实验报告纸，在319房间买，钱交给姜老师。
四、绘制的曲线图要和实验数据吻合，坐标系要标明单位，各种特性曲线等要经过实验教师检查，有验收印章，曲线图务必经剪裁大小适宜，粘附在实验报告相应位置上。
五、思考题要有自己理解实验原理后较为详尽的语言表述，如串联谐振的判定等，能够发挥，有的要画图说明，不能过于简单，不能照抄。
六、实验报告页眉上项目如学号、实验台号、实验室房间号、实验日期等不要漏填。
七、要有个人小结，叙述透过实验有哪些提高，有哪些教训，之所以作得好和作得差，要分析一下原因。同时提出建设性意见。
八、5月17日下午3时以前班长(学委)交到综合楼323房间。
实验报告心得体会怎么写3物理学是建筑在实验基础上的一门科学，在中学物理教学中，建立物理概念和规律，都是通过实验实现的。教育研究资料表明：人从外界所接受的信息绝大多数是从视觉通道进入的，也就是说，人的大量知识是通过观察获得的。在教学中，积极引导学生认真观察、科学思维，借助实验中生动的、直观的鲜明的效果能将学生引入五彩缤纷的物理世界。怎样才能取得良好的实验效果呢?这就要需要创新。
做为初中学生，刚接触物理，对这门课充满了好奇，他们满足于被新奇的物理现象所吸引，希望看到鲜明、生动的物理现象和物理实验。例如：在组织物理八年级上册的第一节课的教学时利用酒精灯煮鱼这样一个实验。学生们根据自己生活的经验，认为鱼只能生活在常温下的水中，当他们看到加热烧瓶颈部直至水沸腾而金鱼却安然无恙
的游来游去时，学生们惊奇不已，发生浓厚的兴趣。适时马上让他们根据现象提出心中的疑问，他们会非常踊跃。在教学中由于我的粗心，用手直接拿了烧瓶地瓶口，手顿时被烫得变了颜色，出现了很大的一个水泡，疼得直想哭，不过当时心理突然有一种想法“学生是不是怀疑实验的真实性呢?”，于是我把受伤的手给学生们看，他们的心又一次受到了震撼。我提问“有没有学生怀疑这个烧瓶瓶口的温度”时，学生们起先犹豫了一下，接着斩钉截铁地回答“起先有现在没有了”。有的同学说：“老师你真伟大，亲身实验给我们看。”显然他们对物理这门课已经产生了兴趣，虽然这种兴趣只停留在现象本身，并未产生探索这些物理现象原因的需要。但是在以后的学习中他们表现出了极大的热情。
为学生创造条件做实验，有的学生对物理有操作兴趣，他们要求通过自己的活动对自然现象和实验结果施加影响。我曾经让学生利用业余时间自己动手制作天平和弹簧测力计等小制作，结果90%的学生都做了。这说明对动手操作具有浓厚的兴趣的学生是很多的，因此在设计课堂教学时我常常安排许多学生亲自动手的实验。例如：在组织“探究水的沸腾现象”的教学时，在课的开始我安排用“纸锅烧水”这个实验。学生凭自己的经验认为一点就能燃烧的纸，折成小纸盒装入水放在酒精灯上烧时，纸盒肯定会被烧破。
考虑到学生对物理有操作兴趣，我决定让每个学生都亲自动手做这个实验，当他们看到通过自己的实验“纸锅”真的把水烧开而并没有被烧破时，他们在惊叹的同时也对本课的探究产生了浓厚的兴趣。在本课接下来的“水的沸腾现象”的探究中，他们在观察水的沸腾现象的时候都出奇的仔细和认真。“观察和实验”是学生学好物理这门课的保证，兴趣和爱好就要靠为师来培养。做为教师的任务就是传授知识，培养学生的学习兴趣。
实验报告心得体会怎么写4在科技高度发展的今天，计算机在人们之中的作用越来越突出。而c语言作为一种计算机的语言，我们学习它，有助于我们更好的了解计算机，与计算机进行交流，因此，c语言的学习对我们尤其重要。
在这个星期里，我们专业的学生在专业老师的带领下进行了c语言程序实践学习。在这之前，我们已经对c语言这门课程学习了一个学期，对其有了一定的了解，但是也仅仅是停留在了解的范围，对里面的好多东西还是很陌生，的在运用起来的时候还是感到很棘手，毕竟，万事开头难嘛。
由于时间的关系，我们的这次实践课程老师并没有给我们详细的介绍，只是给我们简单的介绍了几个比较重要的实际操作。包括了程序模块处理。简单界面程序。高级界面程序。程序的添加修改。用程序做一元线性回归处理以及用c语言程序来画粒度分布图等这几样比较重要的时间操作。
上机实验是学习程序设计语言必不可少的实践环节，特别是c语言灵活、简洁，更需要通过编程的实践来真正掌握它。对于程序设计语言的学习目的，可以概括为学习语法规定、掌握程序设计方法、提高程序开发能力，这些都必须通过充分的实际上机操作才能完成。
学习c程序设计语言除了课堂讲授以外，必须保证有不少于课堂讲授学时的上机时间。因为学时所限，课程不能安排过多的统一上机实验，所以希望学生有效地利用课程上机实验的机会，尽快掌握用c语言开发程序的能力，为今后的继续学习打下一个良好的基础。为此，我们结合课堂讲授的内容和进度，安排了12次上机实验。课程上机实验的目的，不仅仅是验证教材和讲课的内容、检查自己所编的程序是否正确，课程安排的上机实验的目的可以概括为如下几个方面：
1、加深对课堂讲授内容的理解
课堂上要讲授许多关于c语言的语法规则，听起来十分枯燥无味，也不容易记住，死记硬背是不可取的。然而要使用c语言这个工具解决实际问题，又必须掌握它。通过多次上机练习，对于语法知识有了感性的认识，加深对它的理解，在理解的基础上就会自然而然地掌握c语言的语法规定。对于一些内容自己认为在课堂上听懂了，但上机实践中会发现原来理解的偏差，这是由于大部分学生是初次接触程序设计，缺乏程序设计的实践所致。
学习c语言不能停留在学习它的语法规则，而是利用学到的知识
编写c语言程序，解决实际问题。即把c语言作为工具，描述解决实际问题的步骤，由计算机帮助我们解题。只有通过上机才能检验自己是否掌握c语言、自己编写的程序是否能够正确地解题。
通过上机实验来验证自己编制的程序是否正确，恐怕是大多数同学在完成老师作业时的心态。但是在程序设计领域里这是一定要克服的传统的、错误的想法。因为在这种思想支配下，可能你会想办法去"掩盖"程序中的错误，而不是尽可能多地发现程序中存在的问题。自己编好程序上机调试运行时，可能有很多你想不到的情况发生，通过解决这些问题，可以逐步提高自己对c语言的理解和程序开发能力。
2、熟悉程序开发环境、学习计算机系统的操作方法
一个c语言程序从编辑、编译、连接到运行，都要在一定的外部操作环境下才能进行。所谓"环境"就是所用的计算机系统硬件、软件条件，只有学会使用这些环境，才能进行程序开发工作。通过上机实验，熟练地掌握c语言开发环境，为以后真正编写计算机程序解决实际问题打下基础。同时，在今后遇到其它开发环境时就会触类旁通，很快掌握新系统的使用。
3、学习上机调试程序
完成程序的编写，决不意味着万事大吉。你认为万无一失的程序，实际上机运行时可能不断出现麻烦。如编译程序检测出一大堆错误。有时程序本身不存在语法错误，也能够顺利运行，但是运行结果显然是错误的。开发环境所提供的编译系统无法发现这种程序逻辑错误，只能靠自己的上机经验分析判断错误所在。程序的调试是一个技巧性很强的工作，对于初学者来说，尽快掌握程序调试方法是非常重要的。有时候一个消耗你几个小时时间的小小错误，调试高手一眼就看出错误所在。
通过这次为数不多的几天计算机实践学习，我们了解了一些关于c语言的知识，理解巩固了我们c语言的理论知识，着对我们将来到社会工作将会有莫大的帮助。同时它让我知道，只要你努力，任何东西都不会太难!实验报告心得体会怎么写5时间过的很快，一学期的计算机网络实验课要结束了。通过这一学期的学习，使得自己在计算机网络这一方面有了更多的了解也有了更深刻的体会，对计算机网络也有了更多的兴趣。我们本学期做的实验基本上全面介绍了搭建网络过程中所涉及的各种重要的硬件设备，了解其特点、适用、连接和配置，给出了很多的规划方案、应用实例和配置策略。这学期我们做了七次实验，每个实验都有一些总结和体会。
第一次实验是计算机网络与internet网络测试与FTP服务的设置，其中了解了网络设置的一些基本应用，熟悉了常用网络测试命令及其用法，掌握了浏览器的安装以及设置，掌握CuteFTP2。01的用法。实验第一次黄老师就跟我们强调了实验的注意事项，交代了每次实验要两个人一组，在操作过程中让我们了解的团队合作的重要性。
第二次实验是局域网和IIS网络配置，在这次实验中我们学习的电子邮件与局域网的资料库，同时我们掌握了掌握，并了解个人电子邮件申请及其相关操作，掌握了NetMeeting的配置及使用。
第三次实验是计算机网络的双绞线的制作，本次实验是制作双绞线，利用压线钳等工具将双绞线插入RJ—45水晶头完成网线的制作。实验主要涉及剪线，剥皮，插入，压制等操作，虽然实验看上去很简单。但要一次性成功的就要把每个过程多要做到位，每一步都小心。在实验当中的一些注意事项：剥皮时应该多剥一些，这样捋线时比较方便，一定要把所有的线的弄的很直，这样有利于后面的剪线，剪线应该做到十分平整，这样插进水晶头是才能完全接触到，在插线的时候的一定要保证两个同学之间的线的顺序要准确和一样，插进后应用压线钳使劲压，听到“咔“一声才表示固定到位。
第四次实验是Linux的使用与DNS服务器的配置与管理，在此实验中，我们接触了以前从没接触过的linus操作系统，了解Linux操作系统。学会了IP配置，此操作系统下的office软件和万维网的使用。其次我们了解了DNS的概念和原理。学生来说，必须有较广的社交圈和开阔的知识面，所以要把电脑作为一个重点来抓!然而，在我参加培训的第一晚上，我就发现自己错了，此次的电脑培训与以前参加过的培训大相径庭。以前的培训都是应付考试的，实用性不强，而且那时学的东西，在工作中用的不多，时间长了不用也就忘记了。而这次培训的内容最显著的特点，就是实用性和工具性很强，都是平时工作中经常用到的。参加培训的第一课时，我就专心致志地听讲，把学习内容与以前操作不规范或不熟练的地方进行对比，感觉学习效果很好，受益匪浅。特别是EXCEL的学习，因为平时用得比较少，掌握的也不多，不想去进一步的学习，所以对EXCEL的操作不熟悉。这一次正好帮我解决了这一问题。通过次培训，使我的EXCIL的操作有了新的认识，也掌握了几种方法。还有幻灯片的制作，原来从没有制作过，通过这次学习发现也不是想象中的那么难。简单的制作我已经基本上掌握。现在想起来这种培训是必要的，正所谓“磨刀不误砍柴工”。
正因为学习上有所收获，思想上也就豁然开朗起来。说实话，近几年，觉得自已也不再年轻了，还学什么啊?得过且过吧。虽然对待工作还是尽心尽力地去做，但对于学习的态度则是能应付就应付，不想应付就是偷点懒吧。因为这种思想的存在，在学习上的动力就不足了。通过这次培训，我觉得要改变这一错误的思想，想把各项工作做好，就必需要不断的学习，不断的充电，也只有不断的学习、充电，才能提高自已的工作能力。古人云，“活到老、学到老”，这句话是很有道理的。
电脑培训暂告一个段落，闲暇之余，我开始静静地长思。由于学校的信任，我从上学期中段到校办工作。尽管我全力以赴，不辞辛苦，做了很多的工作，但我知道自已离“出色”。
篇六：相关与回归分析实验报告心得怎么写
相关与回归分析实验报告
学
号：
2014106146课程论文
题
学
专
班
目
院
业
级
统计学实验
数学与统计学院
金融数学
14金融数学
罗星蔓
胡桂华
教授
学生姓名
指导教师
职
称
2016年
6月
21日
相关与回归分析实验报告
实验目的：用EXCEL进行相关分析和回归
分析.
.二、实验内容：
1用EXCEL进行相关分析..2.用EXCEL进行回归分析.
-■、实验步骤
米用卜面的例子进行相关分析和回归分析.学
数学分数（x）
统计学分数
生
(y)80906090788790458592709083909450938212345678987108相关分析:数学分数（x）
统计学分数（y）
数学分数（x）
------10.986011统计学分数（y）
回归分析：
dfSS回归分
析
11616.699残差
46.200689总计
91662.9SUMMARYOUTPUT
回归统计
MultipleR0.986011RSquare0.972217AdjustedR0.96874Square4标准误差
2.403141观测值
x方差分
析
MS1616.6995.775086279.9438SignificanceF1.65E-0Intercept数学分数
(x)
12.320180.05360.8968217916.7310131.65E-52910.773207051.020418360.77322405361.02041824RESIDUALOUTPUT观测
预测统计学分数
值
(y)84.0658793.0340残差
0.934133-1034083.870554-3.034080.727775-0.343610.965922-2.677132.656385-2.0658标准残
差
0.412293-0.45641.708324-1.339130.321214-0.151660.426323-1.181591.172433-0.9118366.1294593.0340882.272234567890.3436193.0340852.6771390.3436184.0658PROBABILITYOUTPUT统计学分数
百分比排
位
5152535(y)50708283455565758595859090929394学生成绩
数学分数（x）ResidualPlot
4-
差2-?
?f*
残0-
||
11-202040.6080:1）
-4数学分数（X）
+数学分数（X）
■统计学分数（y）
数
分数学分数（x）
LineFitPlot*统计学分数(y)5学
计
统
-预测统计学分数
(y)50数学分数(x)10NormalProbabilityPlotXVariable1代表斜率为0.896821，即数学分数每增加1分，统计学分数平均
增加0.896821分。
x平均值为78.7,y平均值为92.9可以得出回归方程y=0.896821x+12.32018100「
*
50-**
数分学计统
0-------------
-------
--------------
-------11110，「十八，20406080100SamplePercentile结果分析
