當前位置:首頁 » 編程語言 » sql邏輯回歸分析實驗報告
擴展閱讀
webinf下怎麼引入js 2023-08-31 21:54:13
堡壘機怎麼打開web 2023-08-31 21:54:11

sql邏輯回歸分析實驗報告

發布時間: 2023-05-28 21:44:27

1. 多因素非條件logistic回歸分析怎麼做

多因素非條件logistic回歸分析怎麼做

二元logit回歸
1.開啟資料,依次點選: *** yse--regression--binarylogistic,開啟二分回歸對話方塊。
2.將因變數和自變數放入格子的列表裡,上面的是因變數,下面的是自變數(單變數拉入一個,多因素拉入多個)。
3.設定回歸方法,這里選擇最簡單的方法:enter,它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法。
4.等級資料,連續資料不需要設定虛擬變數。多分類變數需要設定虛擬變數。
虛擬變數ABCD四類,以a為參考,那麼解釋就是b相對於a有無影響,c相對於a有無影響,d相對於a有無影響。
5.選項裡面至少選擇95%CI。
點選ok。
統計專業研究生工作室原創,請勿復雜貼上

我已經做出結果,但是p值很大,說明沒有統計學意義,為何?旁搜悉有懂得原因的嗎?(上述自己說的第一步沒有做,只做了第二步)

一般是先做單因素分析,再做多因素分析;
多元線性回歸可以通過標准引數β來確定貢獻大小,多元logistic回歸的不知道用什麼來確定

多元logistic回歸與多因素logistic回歸分析一樣嗎

二者是一樣的。但如果是多項邏輯回歸則和多因素邏輯回歸不同。多項邏輯回歸是相對於二項邏輯回歸而言的,多項和二項指的都是因變數的水平數,而多元和多因素邏輯回歸的多元和多因素都是指自變數的個數。(南心網 SPSS邏輯回歸分析)

多因素logistic回歸分析 spss怎樣輸資料

跟其他分析的 資料路錄入方法相同
一行對應一個案例運乎資料
一列對應一個變數
有多少樣本就有多少行,有多少變數就有多少列

在多因素logistic回歸分析中OR值小於1怎麼解釋

一般來漏基說是保護作用,但是要看你具體賦值情況
統計專業,為您服務

首先澄清幾個概念:OR是odds ratio 而 logistic里關注的是odds 不是odds的比值odds ratio odds= 發生的概率 除以 不發生的概率 logistic 回歸的公式是: log O = alpha + Bx 那麼 O = Exp(alpha + Bx) = Exp(alpha)*Exp(Bx) 所以當x每增加1 x-->

二元logistic回歸能做多因素分析嗎

logistic回歸 主要是看因變數的分類
如果因變數是二分類的 就用二元logistic回歸
如果因變數是多個分類的,就用多元有序或者無序的logistic回歸
所以你首先看你的因變數發病次數 是否算是分類變數或者是有幾個分類,如果發病次數僅有很小的幾個分類,用logistic回歸沒什麼問題,如果發病次數有很多分類,可以嘗試將其作為連續性變數 進行普通回歸

怎樣應用SPSS進行多因素Logistic 回歸分析

Logistic回歸主要分為三類,一種是因變數為二分類得logistic回歸,這種回歸叫做二項logistic回歸,一種是因變數為無序多分類得logistic回歸,比如傾向於選擇哪種產品,這種回歸叫做多項logistic回歸。還有一種是因變數為有序多分類的logistic回歸,比如病重的程度是高,中,低呀等等,這種回歸也叫累積logistic回歸,或者序次logistic回歸。
二值logistic回歸:
選擇分析——回歸——二元logistic,開啟主面板,因變數勾選你的二分類變數,這個沒有什麼疑問,然後看下邊寫著一個協變數。有沒有很奇怪什麼叫做協變數?在二元logistic回歸里邊可以認為協變數類似於自變數,或者就是自變數。把你的自變數選到協變數的框框里邊。
細心的朋友會發現,在指向協變數的那個箭頭下邊,還有一個小小的按鈕,標著a*b,這個按鈕的作用是用來選擇互動項的。我們知道,有時候兩個變數合在一起會產生新的效應,比如年齡和結婚次數綜合在一起,會對健康程度有一個新的影響,這時候,我們就認為兩者有互動效應。那麼我們為了模型的准確,就把這個互動效應也選到模型里去。我們在右邊的那個框框里選擇變數a,按住ctrl,在選擇變數b,那麼我們就同時選住這兩個變數了,然後點那個a*b的按鈕,這樣,一個新的名字很長的變數就出現在協變數的框框里了,就是我們的互動作用的變數。
然後在下邊有一個方法的下拉選單。預設的是進入,就是強迫所有選擇的變數都進入到模型里邊。除去進入法以外,還有三種向前法,三種向後法。一般預設進入就可以了,如果做出來的模型有變數的p值不合格,就用其他方法在做。再下邊的選擇變數則是用來選擇你的個案的。一般也不用管它。
選好主面板以後,單擊分類(右上角),開啟分類對話方塊。在這個對話方塊里邊,左邊的協變數的框框里邊有你選好的自變數,右邊寫著分類協變數的框框則是空白的。你要把協變數里邊的字元型變數和分類變數選到分類協變數里邊去(系統會自動生成啞變數來方便分析,什麼事啞變數具體參照前文)。這里的字元型變數指的是用值標簽標注過得變數,不然光文字,系統也沒法給你分析啊。選好以後,分類協變數下邊還有一個更改對比的框框,我們知道,對於分類變數,spss需要有一個參照,每個分類都通過和這個參照進行比較來得到結果,更改對比這個框框就是用來選擇參照的。預設的對比是指示符,也就是每個分類都和總體進行比較,除了指示符以外還有簡單,差值等。這個框框不是很重要,預設就可以了。
點選繼續。然後開啟儲存對話方塊,勾選概率,組成員,包含協方差矩陣。點選繼續,開啟選項對話方塊,勾選分類圖,估計值的相關性,迭代歷史,exp(B)的CI,在模型中包含常數,輸出——在每個步驟中。如果你的協變數有連續型的,或者小樣本,那還要勾選Ho *** er-Lemeshow擬合度,這個擬合度表現的會較好一些。
繼續,確定。
然後,就會輸出結果了。主要會輸出六個表。
第一個表是模型系數綜合檢驗表,要看他模型的p值是不是小於0.05,判斷我們這個logistic回歸方程有沒有意義。
第二個表示模型匯總表。這個表裡有兩個R^2,叫做廣義決定系數,也叫偽R^2,作用類似於線性回歸里的決定系數,也是表示這個方程能夠解釋模型的百分之多少。由於計算方法不同,這兩個廣義決定系數的值往往不一樣,但是出入並不會很大。
在下邊的分類表則表述了模型的穩定性。這個表最後一行百分比校正下邊的三個資料列出來在實際值為0或者1時,模型預測正確的百分比,以及模型總的預測正確率。一般認為預測正確概率達到百分之五十就是良好(標准真夠低的),當然正確率越高越好。
在然後就是最重要的表了,方程中的變數表。第一行那個B下邊是每個變數的系數。第五行的p值會告訴你每個變數是否適合留在方程里。如果有某個變數不適合,那就要從新去掉這個變數做回歸。根據這個表就可以寫出logistic方程了:P=Exp(常量+a1*變數1+a2*變數2.。。。)/(1+Exp(常量+a1*變數1+a2*變數2.。。。))。如果大家學過一點統計,那就應該對這個形式的方程不陌生。提供變數,它最後算出來會是一個介於0和1的數,也就是你的模型里設定的值比較大的情況發生的概率,比如你想推算會不會治癒,你設0治癒,1為沒有治癒。那你的模型算出來就是沒有治癒的概率。如果你想直接計算治癒的概率,那就需要更改一下設定,用1去代表治癒。
此外倒數後兩列有一個EXP(B),也就是OR值,哦,這個可不是或者的意思,OR值是優勢比。線上性回歸里邊我們用標准化系數來對比兩個自變數對於因變數的影響力的強弱,在logistic回歸里邊我們用優勢比來比較不同的情況對於因變數的影響。舉個例子。比如我想看性別對於某種病是否好轉的影響,假設0代表女,1代表男,0代表不好轉,1代表好轉。發現這個變數的OR值為2.9,那麼也就是說男人的好轉的可能是女人好轉的2.9倍。注意,這里都是以數值較大的那個情況為基準的。而且OR值可以直接給出這個倍數。如果是0,1,2各代表一類情況的時候,那就是2是1的2.9倍,1是0的2.9倍,以此類推。OR值對於方程沒什麼貢獻,但是有助於直觀的理解模型。在使用OR值得時候一定要結合它95%的置信區間來進行判斷。
此外還有相關矩陣表和概率直方圖,就不再介紹了。

多項logistic回歸:
選擇分析——回歸——多項logistic,開啟主面板,因變數大家都知道選什麼,因變數下邊有一個參考類別,預設的第一類別就可以。再然後出現了兩個框框,因子和協變數。很明顯,這兩個框框都是要你選因變數的,那麼到底有什麼區別呢?嘿嘿,區別就在於,因子里邊放的是無序的分類變數,比如性別,職業什麼的,以及連續變數(實際上做logistic回歸時大部分自變數都是分類變數,連續變數是比較少的。),而協變數里邊放的是等級資料,比如病情的嚴重程度啊,年齡啊(以十年為一個年齡段撒,一年一個的話就看成連續變數吧還是)之類的。在二項logistic回歸里邊,系統會自動生成啞變數,可是在多項logistic回歸里邊,就要自己手動設定了。參照上邊的解釋,不難知道設定好的啞變數要放到因子那個框框里去。
然後點開模型那個對話方塊,哇,好恐怖的一個對話方塊,都不知道是幹嘛的。好,我們一點點來看。上邊我們已經說過互動作用是幹嘛的了,那麼不難理解,主效應就是變數本身對模型的影響。明確了這一點以後,這個對話方塊就沒有那麼難選了。指定模型那一欄有三個模型,主效應指的是只做自變數和因變數的方程,就是最普通的那種。全因子指的是包含了所有主效應和所有因子和因子的互動效應的模型(我也不明白為什麼只有全因子,沒有全協變數。這個問題真的很難,所以別追問我啦。)第三個是設定/步進式。這個是自己手動設定互動項和主效應項的,而且還可以設定這個項是強制輸入的還是逐步進入的。這個概念就不用再羅嗦了吧啊?
點選繼續,開啟統計量對話方塊,勾選個案處理摘要,偽R方,步驟摘要,模型擬合度資訊,單元格可能性,分類表,擬合度,估計,似然比檢驗,繼續。開啟條件,全勾,繼續,開啟選項,勾選為分級強制條目和移除專案。開啟儲存,勾選包含協方差矩陣。確定(總算選完了)。
結果和二項logistic回歸差不多,就是多了一個似然比檢驗,p值小於0.05認為變數有意義。然後我們直接看引數估計表。假設我們的因變數有n個類,那引數估計表會給出n-1組的截距,變數1,變數2。我們我們用Zm代表Exp(常量m+am1*變數1+am2*變數2+。。。),那麼就有第m類情況發生的概率為Zn/1+Z2+Z3+……+Zn(如果我們以第一類為參考類別的話,我們就不會有關於第一類的引數,那麼第一類就是預設的1,也就是說Z1為1)。

有序回歸(累積logistic回歸):
選擇選單分析——回歸——有序,開啟主面板。因變數,因子,協變數如何選取就不在重復了。選項對話方塊預設。開啟輸出對話方塊,勾選擬合度統計,摘要統計,引數估計,平行線檢驗,估計響應概率,實際類別概率,確定,位置對話方塊和上文的模型對話方塊類似,也不重復了。確定。
結果里邊特有的一個表是平行線檢驗表。這個表的p值小於0.05則認為斜率系數對於不同的類別是不一樣的。此外引數估計表得出的引數也有所不同。假設我們的因變數有四個水平,自變數有兩個,那麼引數估計表會給出三個閾值a1,a2,a3(也就是截距),兩個自變數的引數m,n。計算方程時,首先算三個Link值,Link1=a1+m*x1+n*x2,Link2=a2+m*x1+n*x2,Link3=a3+m*x1+n*x2,(僅有截距不同)有了link值以後,p1=1/(1+exp(link1)),p1+p2=1/(1+exp(link2)),p1+p2+p3=1/(1+exp(link3)),p1+p2+p3+p4=1..
通過上邊的這幾個方程就能計算出各自的概率了。

Logistic回歸到這里基本就已經結束了。大家一定要記熟公式,弄混可就糟糕了。希望能對你有所幫助呦。

logit回歸
1.開啟資料,依次點選: *** yse--regression--binarylogistic,開啟二分回歸對話方塊。
2.將因變數和自變數放入格子的列表裡,上面的是因變數,下面的是自變數(單變數拉入一個,多因素拉入多個)。
3.設定回歸方法,這里選擇最簡單的方法:enter,它指的是將所有的變數一次納入到方程。其他方法都是逐步進入的方法。
4.等級資料,連續資料不需要設定虛擬變數。多分類變數需要設定虛擬變數。
5.選項裡面至少選擇95%CI。
點選ok。
統計專業研究生工作室原創,請勿復雜貼上

2. sql語言 我們要寫實驗報告針對以上三個表,用SQL語言完成以下各項查詢:

不知道表結構是如何,不過可以提供一下思路。一般情況這些表都是通過一些主外鍵關聯的,使用這些關系將表連接起來。你的這些查詢都不難。

3. SQL語言的基本操作方法實驗報告:嵌套查詢、集合查詢,深刻領會視圖的概念、實質和使用方法,SQL的9個動詞

嵌套查詢;一個select-from-where語句稱為一個查詢塊。將一個查詢塊嵌套在另一個查詢塊的where字句或having短語的條件中的查詢。
集合查詢:標准SQL直接支持的集合操作種類 並操作(UNION),一般商用資料庫支持的集合操作種類 並操作、叫操作、差操作。形式 :<查詢塊> UNION <查詢塊>
視圖概念:視圖時一個定製的虛擬表,它可以時本地的、遠程的或帶參數的。實質:一個虛擬表。使用方法:可以在項目管理器中瀏覽視圖,或用命令。
SQL的9個動詞 :
數據查詢:SELECT (查詢出數據,也可用於變數賦值)

數據定義(表/視圖/查詢/存儲過程/自定義函數/索引/觸發器等):CREATE (創建)、DROP(刪除)、ALTER(修改)

數據操作:INSERT(插入)、UPDATE(更新)、DELETE(刪除)

數據控制:Grant(授權)、revoke(回收許可權)

4. SQL的實驗報告怎麼寫

實驗報告要點

一、扉頁

並非所有的實驗報告都有標題頁,但是如果講師想要標題頁,那麼它應該是一個單獨的頁面,包括:實驗的題目、自己的名字和實驗室夥伴的名字、導師的名字、進行實驗或提交報告的日期。

二、標題

標題寫著做了什麼。它應該簡短,並描述實驗或調查的要點。

三、介紹

通常情況下介紹是解釋實驗室目標或目的的一個段落。用一句話陳述假設。有時介紹可能包含背景信息,簡要總結實驗是如何進行的,陳述實驗的發現,並列出調查的結論。

四、步驟

描述在調查過程中完成的步驟。要足夠詳細,任何人都可以閱讀這一部分並復制實驗。提供一個圖表來描述實驗設置可能會有所幫助。

五、數據

從過程中獲得的數字數據通常以表格的形式呈現。數據包告蠢括進行實驗時記錄的內容。

六、結果

用語言描述數據的含義。有時「結果」部分會與「討論」部分結合在一起。

七、討論或分析

數據部分包含數字,「分析」部分包含根據這些數字進行的任何計算。這是解釋數據和確定假設是否被接受的地方,也是討論在進行調查時可能犯的任何錯誤的地方。

八、結論

大多數情況下,結論是一個段落,總結啟友缺了實驗中發生的事情,假設是被接受還是被拒絕,以及這意味著什麼。

九、圖形和圖表

圖表和圖形都必須標有描述性的標題。在圖表上標注軸,確保包含測量單位。一定要參考報告正文中的圖悄辯和圖表。

十、參考

如果研究是基於別人的文獻,或者引用了需要文檔的事實,那麼應該列出這些參考文獻。

5. 實驗報告題目:使用SQL語句創建一個名為"學生管理"的學生資料庫

以SQLServer為例
create database 學生管理
on primary -- 默認就是屬於primary文件組的,可省略
(
/*--數據文件的具體描述--*/
name='studb_data', -- 主數據文件的邏輯名稱
filename='D:\studb_data.mdf', -- 主數據文件的物理名稱
size=5mb, --主數據文件的初始大小
maxsize=100mb, -- 主數據文件增長的最大值
filegrowth=15%--主數據文件的增長率
)
log on
(
/*--日誌文件的具體描述,各參數含義同上--*/
name='studb_log',
filename='D:\studb_log.ldf',
size=2mb,
filegrowth=1mb
)

6. 求SQL資料庫實驗報告

*****系實驗(上機)報告

課程名稱 資料庫系統基礎
實驗名稱 數據查詢與存儲過程
學號 33
學生姓名 嘻習喜戲
成績

年 月 日

序號 5 實驗名稱 SQL數據查詢
實驗目的:
熟練掌握SQL SELECT 語句,能夠運用該語句完成各種查詢。

實驗內容:
用SQL SELECT 語句完成下列查詢:
1. 查詢客戶表中的所有記錄。
2. 從訂購單表中查詢客戶號信息(哪些客戶有訂購單)。
3. 查詢單價在20元以上(含)的產品信息。
4. 查詢單價在20元以上(不含)的產品名稱為牛奶的產品信息。
5. 查詢單價在20元以上(不含)的產品名稱為牛奶或德國乳酪的產品信息。
6. 查詢有2003年7月訂購單的客戶名稱、聯系人、電話號碼和訂單號信息。
7. 查詢有德國乳酪訂貨的客戶的名稱、聯系人和電話號碼信息。
8. 查詢有德國乳酪訂購需求的訂單名細記錄。
9. 查詢所有訂購數量(即訂單名細中每個訂購項目的數量)都在10個以上的訂購單的信息。
10. 找出和德國乳酪同等價位的所有產品信息。
11. 查詢單價范圍在10元到30元范圍內的產品信息(使用BETWEEN…AND)。
12. 從客戶表中查詢出客戶名稱中有「公司」二字的客戶信息(使用LIKE運算符)。
13. 從客戶表中查詢出客戶名稱中沒有「公司」二字的客戶信息(使用NOT LIKE運算符)。
14. 按產品的單價升序列出全部產品信息。
15. 先按產品名稱排序,再按單價排序列出全部產品信息。
16. 從產品表中查詢共有幾種產品。
17. 從訂購名細表中查詢德國乳酪的訂購總數。
18. 計算德國乳酪所有訂購的總金額。
19. 求所有訂購單的平均金額,在查詢結果中列出訂購單的個數和平均金額。
20. 求每個訂購單訂購的項目數和總金額。
21. 求每個客戶包含了德國乳酪訂購的訂單號及其最高金額和最低金額。
22. 求至少有兩個訂購項目的訂購單的平均金額。
23. 找出尚未最後確定訂購單(即訂購日期為空值的記錄)的有關客戶信息(客戶的名稱、聯系人和電話號碼)和訂單號。
24. 找出在2000年1月1日之後簽訂的訂購單的客戶信息(客戶的名稱、聯系人和電話號碼)、訂單號和訂購日期。
25. 列出每類產品(相同名稱)具有最高單價的產品信息(產品號、名稱、規格說明和單價,提示:使用內外層互相關嵌套查詢)。
26. 確定哪些客戶目前沒有訂購單(使用謂詞NOT EXISTS)。
27. 查詢目前有訂購單的客戶的信息(使用謂詞EXISTS)。
28. 查詢符合條件的產品信息,要求該產品的單價達到了任意一款產品名稱為牛奶的單價的一半(使用ANY或SOME量詞)。
29. 查詢符合條件的產品信息,要求該產品的單價大於任何一款產品名稱為牛奶的單價(使用ALL量詞)。
30. 設計如下的連接操作,並分析各自的特點:
•廣義笛卡兒積
•內連接
•外連接
•左連接
•右連接
•全連接

掌握存儲過程的創建命令,按照題目要求創建存儲過程,理解存儲過程的作用。
(1) 建立存儲過程。查詢單價范圍在x元到y元范圍內的產品信息。
(2) 建立存儲過程。查詢在某年某月某日之後簽訂的訂購單的客戶信息(客戶的名稱、聯系人和電話號碼)、訂單號和訂購日期。
(3) 建立存儲過程。將某產品的訂購日期統一修改為一個指定日期。
(4) 建立存儲過程。刪除沒有簽訂單的客戶信息。

實驗要求:
用SELECT語句完成本次實驗,並提交上機報告。
(1) 掌握存儲過程的創建命令,按照實驗內容的要求創建存儲過程,理解存儲過程的作用。
(2) 用CREATE PROCEDURE和EXECUTE 語句完成本次實驗,並提交上機報告。
實驗准備(本實驗預備知識和為完成本實驗所做的准備):
仔細閱讀課本第五章關於SQL的數據查詢功能的內容
實驗過程(實驗的操作過程、遇到的問題及其解決辦法或未能解決的問題):
用SQL SELECT 語句完成以上30題查詢

實驗總結(總結本次實驗的收獲、未解決的問題以及體會和建議等):
熟練掌握SQL SELECT 語句,能夠運用該語句完成各種查詢

附錄(SQL語句):
--1. 查詢客戶表中的所有記錄。
select * from 客戶
--2. 從訂購單表中查詢客戶號信息(哪些客戶有訂購單)
select 客戶號from 訂單where 訂單號!=null
--3. 查詢單價在元以上(含)的產品信息。
select *from 產品where 單價> 20 or 單價=20
--4. 查詢單價在元以上(不含)的產品名稱為牛奶的產品信息。
select *from 產品where 單價>20 and 產品名稱='牛奶'
--. 查詢單價在元以上(不含)的產品名稱為牛奶或德國乳酪的產品信息
select *from 產品where 單價>20 and (產品名稱='牛奶'or 產品名稱='德國乳酪')
--6. 查詢有年月訂購單的客戶名稱、聯系人、電話號碼和訂單號信息
select 客戶名稱,聯系人, 電話,訂單號from 客戶,訂單where (year(訂購日期)=2003 and month (訂購日期)=7)and (訂單.客戶號=客戶.客戶號)
--7. 查詢有德國乳酪訂貨的客戶的名稱、聯系人和電話號碼信息。
select 客戶名稱,聯系人, 電話from 客戶
where
(客戶號= (select 客戶號from 訂單where(訂單號 =(select 訂單號from 訂單明細
where 產品號= ( select 產品號from 產品where 產品名稱= ' 德國乳酪' )))))
--8. 查詢有德國乳酪訂購需求的訂單名細記錄。
select * from 訂單明細where (數量!=null and 產品號=(select 產品號from 產品where 產品名稱= '德國乳酪'))
--9. 查詢所有訂購數量(即訂單名細中每個訂購項目的數量)都在個以上的訂購單的信息。
select * from 訂單where (訂單號in (select 訂單號from 訂單明細where (數量>10)))
--10. 找出和德國乳酪同等價位的所有產品信息。
select * from 產品where (
--11. 查詢單價范圍在元到元范圍內的產品信息(使用BETWEEN…AND)。
select * from 產品where (單價between 10 and 30)
--12. 從客戶表中查詢出客戶名稱中有「公司」二字的客戶信息(使用LIKE運算符)
select * from 客戶where 客戶名稱like '%公司%'
--13. 從客戶表中查詢出客戶名稱中沒有「公司」二字的客戶信息(使用NOT LIKE運算符)。
select * from 客戶where 客戶名稱not like '%公司%'
--14. 按產品的單價升序列出全部產品信息。
select *from 產品order by 單價
--15. 先按產品名稱排序,再按單價排序列出全部產品信息。
select * from 產品order by 產品名稱,單價
--16. 從產品表中查詢共有幾種產品。
select count ( distinct 產品名稱) as 產品總數from 產品
--17. 從訂購名細表中查詢德國乳酪的訂購總數
select sum (數量) as '訂購乳酪數量'
from 訂單明細
where 產品號in(select 產品號from 產品where 產品名稱='德國乳酪')
--18. 計算德國乳酪所有訂購的總金額
declare @a money
select @a=(select 單價from 產品where 產品名稱='德國乳酪')
declare @b int
select @b=(select sum (數量) as '訂購乳酪數量'
from 訂單明細
where 產品號in(select 產品號from 產品where 產品名稱='德國乳酪'))
declare @c int
select @c=@a*@b
select @c as 總金額
--19. 求所有訂購單的平均金額,在查詢結果中列出訂購單的個數和平均金額。
select 訂單均值= avg(單價*數量) ,訂單個數=count ( 訂單號)
from 訂單明細,產品
where 產品.產品號=訂單明細.產品號
--20. 求每個訂購單訂購的項目數和總金額。
select 訂單號, count (產品.產品號) as 項目數,sum(數量*單價) as 總金額
from 產品,訂單明細
where (產品.產品號=訂單明細.產品號)
group by 訂單號
--21.求每個客戶包含了德國乳酪訂購的訂單號及其最高金額和最低金額
select 客戶.客戶號,產品.產品號,數量*單價as 總金額
from 客戶,訂單,訂單明細,產品
where 客戶.客戶號=訂單.客戶號and 訂單.訂單號=訂單明細.訂單號and 訂單明細.產品號=產品.產品號and
產品名稱='德國乳酪'
order by 客戶號
compute max(數量*單價),min (數量*單價) by 客戶號
--22.求至少有兩個訂購項目的訂購單的平均金額
select 訂單號,avg(數量*單價),count(產品.產品號)
from 訂單明細,產品
where 訂單明細.產品號=產品.產品號
group by 訂單號
having count(產品.產品號)>=2

--23.找出尚未最後確定訂購單(即訂購日期為空值的記錄)的有關客戶信息
-- (客戶的名稱、聯系人和電話號碼)和訂單號
select 客戶名稱,聯系人,電話,訂單明細.訂單號
from 客戶, 訂單明細,訂單
where(客戶.客戶號= 訂單.客戶號) and 訂購日期=null

--24.找出在年月日之後簽訂的訂購單的客戶信息
--(客戶的名稱、聯系人和電話號碼)、訂單號和訂購日期

select 客戶名稱,聯系人,電話,訂單號,訂購日期
from 客戶,訂單
where 客戶.客戶號=訂單.客戶號
and year(訂購日期)>1996 and month(訂購日期)>4 and day(訂購日期)>2

--25.列出每類產品(相同名稱)具有最高單價的產品信息
--(產品號、名稱、規格說明和單價,提示:使用內外層互相關嵌套查詢)
select A.產品號, A.產品名稱, A.規格說明, A.單價
from 產品A
where 單價= (SELECT MAX(單價)
FROM 產品B
WHERE A.規格說明= B.規格說明)
--26.確定哪些客戶目前沒有訂購單(使用謂詞NOT EXISTS)
select *
from 客戶
where not exists (select* from 訂單where 客戶號=訂單.客戶號)
--27.查詢目前有訂購單的客戶的信息(使用謂詞EXISTS)
select *
from 客戶
where exists (select* from 訂單where 客戶號=訂單.客戶號)

--28.查詢符合條件的產品信息,要求該產品的單價達到了任
--意一款產品名稱為牛奶的單價的一半(使用ANY或SOME量詞)
select *
from 產品a
where(單價>any(select 單價/2 from 產品b where b.產品名稱='牛奶'))
--29.查詢符合條件的產品信息,要求該產品的單價大於任何
-- 一款產品名稱為牛奶的單價(使用ALL量詞)
select *
from 產品a
where(單價>all(select 單價from 產品b where b.產品名稱='牛奶'))

--30.設計如下的連接操作,並分析各自的特點:
-- •廣義笛卡兒積
SELECT *
FROM 客戶CROSS JOIN 訂購單
WHERE 客戶.客戶號= 訂購單.客戶號

-- •內連接
SELECT *
FROM 客戶INNER JOIN 訂購單
ON 客戶.客戶號= 訂購單.客戶號

-- •外連接
-- •左連接
SELECT *
FROM 客戶LEFT JOIN 訂購單
ON 客戶.客戶號= 訂購單.客戶號
-- •右連接
SELECT *
FROM 客戶RIGHT JOIN 訂購單
ON 客戶.客戶號= 訂購單.客戶號

-- •全連接
SELECT *
FROM 客戶FULL JOIN 訂購單
ON 客戶.客戶號= 訂購單.客戶號

說明:
1. 上機報告上傳到211.68.36.251的資料庫文件夾中的上傳目錄
2. 文件名的命名規則為:學號+姓名+實驗+序號。如:9724101汪偉的第二次上機報告名為:9724101汪偉實驗2
3. 封面由學生填寫;
4. 正文的實驗名稱、實驗目的、實驗內容、實驗要求已經由教師指定;
5. 實驗准備由學生在實驗或上機之前填寫;
6. 實驗過程由學生記錄實驗的過程,包括操作過程、遇到哪些問題以及如何解決等;
7. 實驗總結由學生在實驗後填寫,總結本次實驗的收獲、未解決的問題以及體會和建議等;
8. 將相關的語句粘貼到附錄中。

你自己改改吧。想要word原版的話再說一聲。

7. sql語言實驗報告

1>
select
*
from
教師表
where
系別
='cs';
2>
select
姓名,2011-年齡
as
出生日期
from
學生表
3>
select
*
from
學生表
where
年齡<=20
and
系別='cs';
4>
select
*
from
學生表
where
年齡
not
between
18
and
20;
5>
select
姓名,年齡
from
教師表
where
系別
in('cs','is');
6>
select
*
from
教師表
where
姓名
like
'%敏';
7>
select
*
from
選課表
where
先修課
is
null;
8>
select
count(*)
from
教師表
9>
select
avg(成績),max(成績),min(成績)
from
選課表
where
課程號=5;
10>
select
count(*)
from
選課表
group
by
課程號

8. 資料庫SQL實驗報告:視圖與索引怎麼寫啊

如果是SQL Server的視圖與索引都會寫,但是實驗報告不會,不清楚報告要寫什麼。。。沒寫過。。。

9. 多因素logistic回歸分析步驟

步驟如下:

1、把自己需要分析的數據導入到SPSS,點擊左上角的文件進行打亮悶開,選擇彈出對話框中的數滾返據。
2、點擊工具欄上的分析,依次選擇回歸,然後選擇「多項Logistic」 多元線性回歸分析和logistic回敬備彎歸分析都可以的。
3、把變數依次移動到右側的因變數、因子和協變數框內。
4、就可以在度量標准中看到度量數據。
5、再對多項邏輯回歸的模型、統計量、條件、選項和保存進行設置。
6、點擊確定,即可用SPSS把多因素Logistic回歸分析做好。
多因素logistic回歸是指包含的研究因素較多,如二項logistic回歸、多項Logistic回歸等。

10. logistic回歸的案例分析

關於富士康跳樓曲線的Logistic回歸分析。
正常人都能知道這絕對不是偶然,至於這背後有什麼?我一開始也不甚清楚。
然後一篇突如其來的實驗報告被發還給我,然後看著我親手繪制的磁滯回線。有了主意。
首先,我查到了有記載以來,所有富士康員工自殺的日期:
列出如下表格:(以07年6月18號,第一例自殺案例為原點,至今(10年5月25日)1072天) 自殺時間x/d 0 75 272 758 794 950 997 1003 1015 1023 1024 1024 1053 1051 1072 累計自殺人數y 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 在MATLAB中容易做出散點圖:

可見這是一個指數增長的曲線。
對此我認為自殺和流行病一樣,自殺也是一種病,而且是一種可以傳染的疾病。
因此其增長曲模沖線與對數增長很接近。
對其做指數旦旁殲函數擬合:

General model Exp2:
f(x) = a*exp(b*x) + c*exp(d*x)
Coefficients (with 95% confidence bounds):
a = 7.569e-007 (-6.561e-006, 8.075e-006)
b = 0.01529 (0.006473, 0.0241)
c = 1.782 (0.5788, 2.984)
d = 0.001075 (2.37e-005, 0.002125)
Goodness of fit:
SSE: 8.846
R-square: 0.9684
Adjusted R-square: 0.9598
RMSE: 0.8968
可見相關度0.96也是非常高的。
然而和所有疾病一樣,一旦其事件引起了人們的關注,則各方的反饋作用,將阻礙其繼續上升。
因此,和很多流行病分析一樣,該曲線很有可能呈S型。對於該曲線的分析,使用Logistic回歸。
首先我們假設Logis(B,x)=F(x),之中B為參數數組,則由經驗和可能的微分方程關系,回歸曲線應該為
S(x)=m*Logis(B,x+t)/(n+Logis(B,x+t))格式
由啟正於當Logis(B,x)較小時S(x)=Logis(B,x),則可以認為f(x)的參數可以直接引入S(x)作為一種近似,而對於m,n的確定,我以1為間隔,畫出m*n=40*20的所有曲線,
選出其中最吻合的的一條(m=22 n=20 t=50):