1. 多因素非条件logistic回归分析怎么做
多因素非条件logistic回归分析怎么做
二元logit回归
1.开启资料，依次点选： *** yse--regression--binarylogistic，开启二分回归对话方块。
2.将因变数和自变数放入格子的列表里，上面的是因变数，下面的是自变数（单变数拉入一个，多因素拉入多个）。
3.设定回归方法，这里选择最简单的方法：enter，它指的是将所有的变数一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设定虚拟变数。多分类变数需要设定虚拟变数。
虚拟变数ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。
5.选项里面至少选择95%CI。
点选ok。
统计专业研究生工作室原创，请勿复杂贴上
我已经做出结果，但是p值很大，说明没有统计学意义，为何？旁搜悉有懂得原因的吗？（上述自己说的第一步没有做，只做了第二步）
一般是先做单因素分析，再做多因素分析；
多元线性回归可以通过标准引数β来确定贡献大小，多元logistic回归的不知道用什么来确定
多元logistic回归与多因素logistic回归分析一样吗
二者是一样的。但如果是多项逻辑回归则和多因素逻辑回归不同。多项逻辑回归是相对于二项逻辑回归而言的，多项和二项指的都是因变数的水平数，而多元和多因素逻辑回归的多元和多因素都是指自变数的个数。（南心网 SPSS逻辑回归分析）
多因素logistic回归分析 spss怎样输资料
跟其他分析的 资料路录入方法相同
一行对应一个案例运乎资料
一列对应一个变数
有多少样本就有多少行，有多少变数就有多少列
在多因素logistic回归分析中OR值小于1怎么解释
一般来漏基说是保护作用，但是要看你具体赋值情况
统计专业，为您服务
首先澄清几个概念：OR是odds ratio 而 logistic里关注的是odds 不是odds的比值odds ratio odds= 发生的概率 除以 不发生的概率 logistic 回归的公式是： log O = alpha + Bx 那么 O = Exp(alpha + Bx) = Exp(alpha)*Exp(Bx) 所以当x每增加1 x-->
二元logistic回归能做多因素分析吗
logistic回归 主要是看因变数的分类
如果因变数是二分类的 就用二元logistic回归
如果因变数是多个分类的，就用多元有序或者无序的logistic回归
所以你首先看你的因变数发病次数 是否算是分类变数或者是有几个分类，如果发病次数仅有很小的几个分类，用logistic回归没什么问题，如果发病次数有很多分类，可以尝试将其作为连续性变数 进行普通回归
怎样应用SPSS进行多因素Logistic 回归分析
Logistic回归主要分为三类，一种是因变数为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变数为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。还有一种是因变数为有序多分类的logistic回归，比如病重的程度是高，中，低呀等等，这种回归也叫累积logistic回归，或者序次logistic回归。
二值logistic回归：
选择分析——回归——二元logistic，开启主面板，因变数勾选你的二分类变数，这个没有什么疑问，然后看下边写着一个协变数。有没有很奇怪什么叫做协变数？在二元logistic回归里边可以认为协变数类似于自变数，或者就是自变数。把你的自变数选到协变数的框框里边。
细心的朋友会发现，在指向协变数的那个箭头下边，还有一个小小的按钮，标着a*b，这个按钮的作用是用来选择互动项的。我们知道，有时候两个变数合在一起会产生新的效应，比如年龄和结婚次数综合在一起，会对健康程度有一个新的影响，这时候，我们就认为两者有互动效应。那么我们为了模型的准确，就把这个互动效应也选到模型里去。我们在右边的那个框框里选择变数a，按住ctrl，在选择变数b，那么我们就同时选住这两个变量了，然后点那个a*b的按钮，这样，一个新的名字很长的变数就出现在协变数的框框里了，就是我们的互动作用的变数。
然后在下边有一个方法的下拉选单。预设的是进入，就是强迫所有选择的变数都进入到模型里边。除去进入法以外，还有三种向前法，三种向后法。一般预设进入就可以了，如果做出来的模型有变数的p值不合格，就用其他方法在做。再下边的选择变数则是用来选择你的个案的。一般也不用管它。
选好主面板以后，单击分类（右上角），开启分类对话方块。在这个对话方块里边，左边的协变数的框框里边有你选好的自变数，右边写着分类协变数的框框则是空白的。你要把协变数里边的字符型变数和分类变数选到分类协变数里边去（系统会自动生成哑变数来方便分析，什么事哑变数具体参照前文）。这里的字符型变数指的是用值标签标注过得变数，不然光文字，系统也没法给你分析啊。选好以后，分类协变数下边还有一个更改对比的框框，我们知道，对于分类变数，spss需要有一个参照，每个分类都通过和这个参照进行比较来得到结果，更改对比这个框框就是用来选择参照的。预设的对比是指示符，也就是每个分类都和总体进行比较，除了指示符以外还有简单，差值等。这个框框不是很重要，预设就可以了。
点选继续。然后开启储存对话方块，勾选概率，组成员，包含协方差矩阵。点选继续，开启选项对话方块，勾选分类图，估计值的相关性，迭代历史，exp（B）的CI，在模型中包含常数，输出——在每个步骤中。如果你的协变数有连续型的，或者小样本，那还要勾选Ho *** er-Lemeshow拟合度，这个拟合度表现的会较好一些。
继续，确定。
然后，就会输出结果了。主要会输出六个表。
第一个表是模型系数综合检验表，要看他模型的p值是不是小于0.05，判断我们这个logistic回归方程有没有意义。
第二个表示模型汇总表。这个表里有两个R^2，叫做广义决定系数，也叫伪R^2，作用类似于线性回归里的决定系数，也是表示这个方程能够解释模型的百分之多少。由于计算方法不同，这两个广义决定系数的值往往不一样，但是出入并不会很大。
在下边的分类表则表述了模型的稳定性。这个表最后一行百分比校正下边的三个资料列出来在实际值为0或者1时，模型预测正确的百分比，以及模型总的预测正确率。一般认为预测正确概率达到百分之五十就是良好（标准真够低的），当然正确率越高越好。
在然后就是最重要的表了，方程中的变量表。第一行那个B下边是每个变数的系数。第五行的p值会告诉你每个变数是否适合留在方程里。如果有某个变数不适合，那就要从新去掉这个变数做回归。根据这个表就可以写出logistic方程了：P=Exp(常量+a1*变数1+a2*变数2.。。。)/(1+Exp(常量+a1*变数1+a2*变数2.。。。))。如果大家学过一点统计，那就应该对这个形式的方程不陌生。提供变数，它最后算出来会是一个介于0和1的数，也就是你的模型里设定的值比较大的情况发生的概率，比如你想推算会不会治愈，你设0治愈，1为没有治愈。那你的模型算出来就是没有治愈的概率。如果你想直接计算治愈的概率，那就需要更改一下设定，用1去代表治愈。
此外倒数后两列有一个EXP（B），也就是OR值，哦，这个可不是或者的意思，OR值是优势比。线上性回归里边我们用标准化系数来对比两个自变数对于因变数的影响力的强弱，在logistic回归里边我们用优势比来比较不同的情况对于因变数的影响。举个例子。比如我想看性别对于某种病是否好转的影响，假设0代表女，1代表男，0代表不好转，1代表好转。发现这个变数的OR值为2.9，那么也就是说男人的好转的可能是女人好转的2.9倍。注意，这里都是以数值较大的那个情况为基准的。而且OR值可以直接给出这个倍数。如果是0,1,2各代表一类情况的时候，那就是2是1的2.9倍，1是0的2.9倍，以此类推。OR值对于方程没什么贡献，但是有助于直观的理解模型。在使用OR值得时候一定要结合它95%的置信区间来进行判断。
此外还有相关矩阵表和概率直方图，就不再介绍了。
选择分析——回归——多项logistic，开启主面板，因变数大家都知道选什么，因变数下边有一个参考类别，预设的第一类别就可以。再然后出现了两个框框，因子和协变数。很明显，这两个框框都是要你选因变数的，那么到底有什么区别呢？嘿嘿，区别就在于，因子里边放的是无序的分类变数，比如性别，职业什么的，以及连续变数（实际上做logistic回归时大部分自变数都是分类变数，连续变数是比较少的。），而协变数里边放的是等级资料，比如病情的严重程度啊，年龄啊（以十年为一个年龄段撒，一年一个的话就看成连续变数吧还是）之类的。在二项logistic回归里边，系统会自动生成哑变数，可是在多项logistic回归里边，就要自己手动设定了。参照上边的解释，不难知道设定好的哑变数要放到因子那个框框里去。
然后点开模型那个对话方块，哇，好恐怖的一个对话方块，都不知道是干嘛的。好，我们一点点来看。上边我们已经说过互动作用是干嘛的了，那么不难理解，主效应就是变数本身对模型的影响。明确了这一点以后，这个对话方块就没有那么难选了。指定模型那一栏有三个模型，主效应指的是只做自变数和因变数的方程，就是最普通的那种。全因子指的是包含了所有主效应和所有因子和因子的互动效应的模型（我也不明白为什么只有全因子，没有全协变数。这个问题真的很难，所以别追问我啦。）第三个是设定/步进式。这个是自己手动设定互动项和主效应项的，而且还可以设定这个项是强制输入的还是逐步进入的。这个概念就不用再罗嗦了吧啊？
点选继续，开启统计量对话方块，勾选个案处理摘要，伪R方，步骤摘要，模型拟合度资讯，单元格可能性，分类表，拟合度，估计，似然比检验，继续。开启条件，全勾，继续，开启选项，勾选为分级强制条目和移除专案。开启储存，勾选包含协方差矩阵。确定（总算选完了）。
结果和二项logistic回归差不多，就是多了一个似然比检验，p值小于0.05认为变数有意义。然后我们直接看引数估计表。假设我们的因变数有n个类，那引数估计表会给出n-1组的截距，变数1，变数2。我们我们用Zm代表Exp（常量m+am1*变数1+am2*变数2+。。。），那么就有第m类情况发生的概率为Zn/1+Z2+Z3+……+Zn(如果我们以第一类为参考类别的话，我们就不会有关于第一类的引数，那么第一类就是预设的1，也就是说Z1为1)。
有序回归（累积logistic回归）：
选择选单分析——回归——有序，开启主面板。因变数，因子，协变数如何选取就不在重复了。选项对话方块预设。开启输出对话方块，勾选拟合度统计，摘要统计，引数估计，平行线检验，估计响应概率，实际类别概率，确定，位置对话方块和上文的模型对话方块类似，也不重复了。确定。
结果里边特有的一个表是平行线检验表。这个表的p值小于0.05则认为斜率系数对于不同的类别是不一样的。此外引数估计表得出的引数也有所不同。假设我们的因变数有四个水平，自变数有两个，那么引数估计表会给出三个阈值a1,a2，a3（也就是截距），两个自变数的引数m，n。计算方程时，首先算三个Link值，Link1=a1+m*x1+n*x2，Link2=a2+m*x1+n*x2，Link3=a3+m*x1+n*x2，（仅有截距不同）有了link值以后，p1=1/(1+exp(link1)),p1+p2=1/(1+exp（link2）),p1+p2+p3=1/(1+exp(link3)),p1+p2+p3+p4=1..
通过上边的这几个方程就能计算出各自的概率了。
Logistic回归到这里基本就已经结束了。大家一定要记熟公式，弄混可就糟糕了。希望能对你有所帮助呦。
logit回归
1.开启资料，依次点选： *** yse--regression--binarylogistic，开启二分回归对话方块。
2.将因变数和自变数放入格子的列表里，上面的是因变数，下面的是自变数（单变数拉入一个，多因素拉入多个）。
3.设定回归方法，这里选择最简单的方法：enter，它指的是将所有的变数一次纳入到方程。其他方法都是逐步进入的方法。
4.等级资料，连续资料不需要设定虚拟变数。多分类变数需要设定虚拟变数。
5.选项里面至少选择95%CI。
点选ok。
统计专业研究生工作室原创，请勿复杂贴上
2. sql语言 我们要写实验报告针对以上三个表，用SQL语言完成以下各项查询：
不知道表结构是如何，不过可以提供一下思路。一般情况这些表都是通过一些主外键关联的，使用这些关系将表连接起来。你的这些查询都不难。
3. SQL语言的基本操作方法实验报告:嵌套查询、集合查询，深刻领会视图的概念、实质和使用方法,SQL的9个动词
嵌套查询；一个select-from-where语句称为一个查询块。将一个查询块嵌套在另一个查询块的where字句或having短语的条件中的查询。
集合查询：标准SQL直接支持的集合操作种类 并操作（UNION）,一般商用数据库支持的集合操作种类 并操作、叫操作、差操作。形式 ：<查询块> UNION <查询块>
视图概念：视图时一个定制的虚拟表，它可以时本地的、远程的或带参数的。实质：一个虚拟表。使用方法：可以在项目管理器中浏览视图，或用命令。
SQL的9个动词 :
数据查询：SELECT （查询出数据，也可用于变量赋值）
数据定义(表/视图/查询/存储过程/自定义函数/索引/触发器等)：CREATE (创建)、DROP(删除)、ALTER(修改)
数据操作：INSERT（插入）、UPDATE（更新）、DELETE（删除）
数据控制：Grant（授权）、revoke（回收权限）
4. SQL的实验报告怎么写
实验报告要点
一、扉页
并非所有的实验报告都有标题页，但是如果讲师想要标题页，那么它应该是一个单独的页面，包括：实验的题目、自己的名字和实验室伙伴的名字、导师的名字、进行实验或提交报告的日期。
二、标题
标题写着做了什么。它应该简短，并描述实验或调查的要点。
三、介绍
通常情况下介绍是解释实验室目标或目的的一个段落。用一句话陈述假设。有时介绍可能包含背景信息，简要总结实验是如何进行的，陈述实验的发现，并列出调查的结论。
四、步骤
描述在调查过程中完成的步骤。要足够详细，任何人都可以阅读这一部分并复制实验。提供一个图表来描述实验设置可能会有所帮助。
五、数据
从过程中获得的数字数据通常以表格的形式呈现。数据包告蠢括进行实验时记录的内容。
六、结果
用语言描述数据的含义。有时“结果”部分会与“讨论”部分结合在一起。
七、讨论或分析
数据部分包含数字，“分析”部分包含根据这些数字进行的任何计算。这是解释数据和确定假设是否被接受的地方，也是讨论在进行调查时可能犯的任何错误的地方。
八、结论
大多数情况下，结论是一个段落，总结启友缺了实验中发生的事情，假设是被接受还是被拒绝，以及这意味着什么。
九、图形和图表
图表和图形都必须标有描述性的标题。在图表上标注轴，确保包含测量单位。一定要参考报告正文中的图悄辩和图表。
十、参考
如果研究是基于别人的文献，或者引用了需要文档的事实，那么应该列出这些参考文献。
5. 实验报告题目：使用SQL语句创建一个名为"学生管理"的学生数据库
以SQLServer为例
create database 学生管理
on primary -- 默认就是属于primary文件组的,可省略
(
/*--数据文件的具体描述--*/
name='studb_data', -- 主数据文件的逻辑名称
filename='D:\studb_data.mdf', -- 主数据文件的物理名称
size=5mb, --主数据文件的初始大小
maxsize=100mb, -- 主数据文件增长的最大值
filegrowth=15%--主数据文件的增长率
)
log on
(
/*--日志文件的具体描述,各参数含义同上--*/
name='studb_log',
filename='D:\studb_log.ldf',
size=2mb,
filegrowth=1mb
)
6. 求SQL数据库实验报告
*****系实验（上机）报告
课程名称 数据库系统基础
实验名称 数据查询与存储过程
学号 33
学生姓名 嘻习喜戏
成绩
年 月 日
序号 5 实验名称 SQL数据查询
实验目的：
熟练掌握SQL SELECT 语句，能够运用该语句完成各种查询。
实验内容：
用SQL SELECT 语句完成下列查询：
1． 查询客户表中的所有记录。
2． 从订购单表中查询客户号信息（哪些客户有订购单）。
3． 查询单价在20元以上（含）的产品信息。
4． 查询单价在20元以上（不含）的产品名称为牛奶的产品信息。
5． 查询单价在20元以上（不含）的产品名称为牛奶或德国奶酪的产品信息。
6． 查询有2003年7月订购单的客户名称、联系人、电话号码和订单号信息。
7． 查询有德国奶酪订货的客户的名称、联系人和电话号码信息。
8． 查询有德国奶酪订购需求的订单名细记录。
9． 查询所有订购数量（即订单名细中每个订购项目的数量）都在10个以上的订购单的信息。
10． 找出和德国奶酪同等价位的所有产品信息。
11． 查询单价范围在10元到30元范围内的产品信息（使用BETWEEN…AND）。
12． 从客户表中查询出客户名称中有“公司”二字的客户信息（使用LIKE运算符）。
13． 从客户表中查询出客户名称中没有“公司”二字的客户信息（使用NOT LIKE运算符）。
14． 按产品的单价升序列出全部产品信息。
15． 先按产品名称排序，再按单价排序列出全部产品信息。
16． 从产品表中查询共有几种产品。
17． 从订购名细表中查询德国奶酪的订购总数。
18． 计算德国奶酪所有订购的总金额。
19． 求所有订购单的平均金额，在查询结果中列出订购单的个数和平均金额。
20． 求每个订购单订购的项目数和总金额。
21． 求每个客户包含了德国奶酪订购的订单号及其最高金额和最低金额。
22． 求至少有两个订购项目的订购单的平均金额。
23． 找出尚未最后确定订购单（即订购日期为空值的记录）的有关客户信息（客户的名称、联系人和电话号码）和订单号。
24． 找出在2000年1月1日之后签订的订购单的客户信息（客户的名称、联系人和电话号码）、订单号和订购日期。
25． 列出每类产品（相同名称）具有最高单价的产品信息（产品号、名称、规格说明和单价，提示：使用内外层互相关嵌套查询）。
26． 确定哪些客户目前没有订购单（使用谓词NOT EXISTS）。
27． 查询目前有订购单的客户的信息（使用谓词EXISTS）。
28． 查询符合条件的产品信息，要求该产品的单价达到了任意一款产品名称为牛奶的单价的一半（使用ANY或SOME量词）。
29． 查询符合条件的产品信息，要求该产品的单价大于任何一款产品名称为牛奶的单价（使用ALL量词）。
30． 设计如下的连接操作，并分析各自的特点：
•广义笛卡儿积
•内连接
•外连接
•左连接
•右连接
•全连接
掌握存储过程的创建命令，按照题目要求创建存储过程，理解存储过程的作用。
（1） 建立存储过程。查询单价范围在x元到y元范围内的产品信息。
（2） 建立存储过程。查询在某年某月某日之后签订的订购单的客户信息（客户的名称、联系人和电话号码）、订单号和订购日期。
（3） 建立存储过程。将某产品的订购日期统一修改为一个指定日期。
（4） 建立存储过程。删除没有签订单的客户信息。
实验要求：
用SELECT语句完成本次实验，并提交上机报告。
（1） 掌握存储过程的创建命令，按照实验内容的要求创建存储过程，理解存储过程的作用。
（2） 用CREATE PROCEDURE和EXECUTE 语句完成本次实验，并提交上机报告。
实验准备(本实验预备知识和为完成本实验所做的准备)：
仔细阅读课本第五章关于SQL的数据查询功能的内容
实验过程(实验的操作过程、遇到的问题及其解决办法或未能解决的问题)：
用SQL SELECT 语句完成以上30题查询
实验总结(总结本次实验的收获、未解决的问题以及体会和建议等)：
熟练掌握SQL SELECT 语句，能够运用该语句完成各种查询
附录（SQL语句）：
--1． 查询客户表中的所有记录。
select * from 客户
--2． 从订购单表中查询客户号信息（哪些客户有订购单）
select 客户号from 订单where 订单号!=null
--3． 查询单价在元以上（含）的产品信息。
select *from 产品where 单价> 20 or 单价=20
--4． 查询单价在元以上（不含）的产品名称为牛奶的产品信息。
select *from 产品where 单价>20 and 产品名称='牛奶'
－－． 查询单价在元以上（不含）的产品名称为牛奶或德国奶酪的产品信息
select *from 产品where 单价>20 and (产品名称='牛奶'or 产品名称='德国奶酪')
--6． 查询有年月订购单的客户名称、联系人、电话号码和订单号信息
select 客户名称,联系人, 电话,订单号from 客户,订单where (year(订购日期)=2003 and month (订购日期)=7)and (订单.客户号=客户.客户号)
--7． 查询有德国奶酪订货的客户的名称、联系人和电话号码信息。
select 客户名称,联系人, 电话from 客户
where
(客户号= (select 客户号from 订单where(订单号 =(select 订单号from 订单明细
where 产品号= ( select 产品号from 产品where 产品名称= ' 德国奶酪' )))))
--8． 查询有德国奶酪订购需求的订单名细记录。
select * from 订单明细where (数量!=null and 产品号=(select 产品号from 产品where 产品名称= '德国奶酪'))
--9． 查询所有订购数量（即订单名细中每个订购项目的数量）都在个以上的订购单的信息。
select * from 订单where (订单号in (select 订单号from 订单明细where (数量>10)))
--10． 找出和德国奶酪同等价位的所有产品信息。
select * from 产品where (
--11． 查询单价范围在元到元范围内的产品信息（使用BETWEEN…AND）。
select * from 产品where (单价between 10 and 30)
--12． 从客户表中查询出客户名称中有“公司”二字的客户信息（使用LIKE运算符）
select * from 客户where 客户名称like '%公司%'
--13． 从客户表中查询出客户名称中没有“公司”二字的客户信息（使用NOT LIKE运算符）。
select * from 客户where 客户名称not like '%公司%'
--14． 按产品的单价升序列出全部产品信息。
select *from 产品order by 单价
--15． 先按产品名称排序，再按单价排序列出全部产品信息。
select * from 产品order by 产品名称,单价
--16． 从产品表中查询共有几种产品。
select count ( distinct 产品名称) as 产品总数from 产品
--17． 从订购名细表中查询德国奶酪的订购总数
select sum (数量) as '订购奶酪数量'
from 订单明细
where 产品号in(select 产品号from 产品where 产品名称='德国奶酪')
--18． 计算德国奶酪所有订购的总金额
declare @a money
select @a=(select 单价from 产品where 产品名称='德国奶酪')
declare @b int
select @b=(select sum (数量) as '订购奶酪数量'
from 订单明细
where 产品号in(select 产品号from 产品where 产品名称='德国奶酪'))
declare @c int
select @c=@a*@b
select @c as 总金额
--19． 求所有订购单的平均金额，在查询结果中列出订购单的个数和平均金额。
select 订单均值= avg(单价*数量) ,订单个数=count ( 订单号)
from 订单明细,产品
where 产品.产品号=订单明细.产品号
--20． 求每个订购单订购的项目数和总金额。
select 订单号, count (产品.产品号) as 项目数,sum(数量*单价) as 总金额
from 产品,订单明细
where (产品.产品号=订单明细.产品号)
group by 订单号
--21．求每个客户包含了德国奶酪订购的订单号及其最高金额和最低金额
select 客户.客户号,产品.产品号,数量*单价as 总金额
from 客户,订单,订单明细,产品
where 客户.客户号=订单.客户号and 订单.订单号=订单明细.订单号and 订单明细.产品号=产品.产品号and
产品名称='德国奶酪'
order by 客户号
compute max(数量*单价),min (数量*单价) by 客户号
--22．求至少有两个订购项目的订购单的平均金额
select 订单号,avg(数量*单价),count(产品.产品号)
from 订单明细,产品
where 订单明细.产品号=产品.产品号
group by 订单号
having count(产品.产品号)>=2
--23．找出尚未最后确定订购单（即订购日期为空值的记录）的有关客户信息
-- （客户的名称、联系人和电话号码）和订单号
select 客户名称,联系人,电话,订单明细.订单号
from 客户, 订单明细,订单
where(客户.客户号= 订单.客户号) and 订购日期=null
--24．找出在年月日之后签订的订购单的客户信息
--（客户的名称、联系人和电话号码）、订单号和订购日期
select 客户名称,联系人,电话,订单号,订购日期
from 客户,订单
where 客户.客户号=订单.客户号
and year(订购日期)>1996 and month(订购日期)>4 and day(订购日期)>2
--25．列出每类产品（相同名称）具有最高单价的产品信息
--（产品号、名称、规格说明和单价，提示：使用内外层互相关嵌套查询）
select A.产品号, A.产品名称, A.规格说明, A.单价
from 产品A
where 单价= (SELECT MAX(单价)
FROM 产品B
WHERE A.规格说明= B.规格说明)
--26．确定哪些客户目前没有订购单（使用谓词NOT EXISTS）
select *
from 客户
where not exists (select* from 订单where 客户号=订单.客户号)
--27．查询目前有订购单的客户的信息（使用谓词EXISTS）
select *
from 客户
where exists (select* from 订单where 客户号=订单.客户号)
--28．查询符合条件的产品信息，要求该产品的单价达到了任
--意一款产品名称为牛奶的单价的一半（使用ANY或SOME量词）
select *
from 产品a
where(单价>any(select 单价/2 from 产品b where b.产品名称='牛奶'))
--29．查询符合条件的产品信息，要求该产品的单价大于任何
-- 一款产品名称为牛奶的单价（使用ALL量词）
select *
from 产品a
where(单价>all(select 单价from 产品b where b.产品名称='牛奶'))
--30．设计如下的连接操作，并分析各自的特点：
-- •广义笛卡儿积
SELECT *
FROM 客户CROSS JOIN 订购单
WHERE 客户.客户号= 订购单.客户号
-- •内连接
SELECT *
FROM 客户INNER JOIN 订购单
ON 客户.客户号= 订购单.客户号
-- •外连接
-- •左连接
SELECT *
FROM 客户LEFT JOIN 订购单
ON 客户.客户号= 订购单.客户号
-- •右连接
SELECT *
FROM 客户RIGHT JOIN 订购单
ON 客户.客户号= 订购单.客户号
-- •全连接
SELECT *
FROM 客户FULL JOIN 订购单
ON 客户.客户号= 订购单.客户号
说明：
1. 上机报告上传到211.68.36.251的数据库文件夹中的上传目录
2. 文件名的命名规则为：学号+姓名+实验+序号。如：9724101汪伟的第二次上机报告名为：9724101汪伟实验2
3. 封面由学生填写；
4. 正文的实验名称、实验目的、实验内容、实验要求已经由教师指定；
5. 实验准备由学生在实验或上机之前填写；
6. 实验过程由学生记录实验的过程，包括操作过程、遇到哪些问题以及如何解决等；
7. 实验总结由学生在实验后填写，总结本次实验的收获、未解决的问题以及体会和建议等；
8. 将相关的语句粘贴到附录中。
你自己改改吧。想要word原版的话再说一声。
7. sql语言实验报告
1>
select
*
from
教师表
where
系别
='cs';
2>
select
姓名,2011-年龄
as
出生日期
from
学生表
3>
select
*
from
学生表
where
年龄<=20
and
系别='cs';
4>
select
*
from
学生表
where
年龄
not
between
18
and
20;
5>
select
姓名,年龄
from
教师表
where
系别
in('cs','is');
6>
select
*
from
教师表
where
姓名
like
'%敏';
7>
select
*
from
选课表
where
先修课
is
null;
8>
select
count(*)
from
教师表
9>
select
avg(成绩),max(成绩),min(成绩)
from
选课表
where
课程号=5;
10>
select
count(*)
from
选课表
group
by
课程号
8. 数据库SQL实验报告：视图与索引怎么写啊
如果是SQL Server的视图与索引都会写，但是实验报告不会，不清楚报告要写什么。。。没写过。。。
9. 多因素logistic回归分析步骤
步骤如下：
1、把自己需要分析的数据导入到SPSS，点击左上角的文件进行打亮闷开，选择弹出对话框中的数滚返据。
2、点击工具栏上的分析，依次选择回归，然后选择“多项Logistic” 多元线性回归分析和logistic回敬备弯归分析都可以的。
3、把变量依次移动到右侧的因变量、因子和协变量框内。
4、就可以在度量标准中看到度量数据。
5、再对多项逻辑回归的模型、统计量、条件、选项和保存进行设置。
6、点击确定，即可用SPSS把多因素Logistic回归分析做好。
多因素logistic回归是指包含的研究因素较多，如二项logistic回归、多项Logistic回归等。
关于富士康跳楼曲线的Logistic回归分析。
正常人都能知道这绝对不是偶然，至于这背后有什么？我一开始也不甚清楚。
然后一篇突如其来的实验报告被发还给我，然后看着我亲手绘制的磁滞回线。有了主意。
首先，我查到了有记载以来，所有富士康员工自杀的日期：
列出如下表格：（以07年6月18号，第一例自杀案例为原点，至今（10年5月25日）1072天） 自杀时间x/d 0 75 272 758 794 950 997 1003 1015 1023 1024 1024 1053 1051 1072 累计自杀人数y 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 在MATLAB中容易做出散点图：
可见这是一个指数增长的曲线。
对此我认为自杀和流行病一样，自杀也是一种病，而且是一种可以传染的疾病。
因此其增长曲模冲线与对数增长很接近。
对其做指数旦旁歼函数拟合：
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
可见相关度0.96也是非常高的。
然而和所有疾病一样，一旦其事件引起了人们的关注，则各方的反馈作用，将阻碍其继续上升。
因此，和很多流行病分析一样，该曲线很有可能呈S型。对于该曲线的分析，使用Logistic回归。
首先我们假设Logis(B,x)=F(x),之中B为参数数组，则由经验和可能的微分方程关系，回归曲线应该为
S（x）=m*Logis（B,x+t）/（n+Logis（B,x+t））格式
由启正于当Logis（B,x）较小时S(x)=Logis（B,x），则可以认为f（x）的参数可以直接引入S（x）作为一种近似，而对于m，n的确定，我以1为间隔，画出m*n=40*20的所有曲线，
选出其中最吻合的的一条（m=22 n=20 t=50）：
