線性回归spss分析.docxVIP

线性回归分析的具体步骤SPSS软件中进行线性回归分析的选择项为Analyze→Regression→Linear。如图3.9所示。下面通过例题介绍线性回归分析的操作过程。图3.9 Regression 分析功能菜单例3. 仍然用例2的数据，考察火柴销售量与各影响因素之间的相关关系，建立火柴销售量对于相关因素煤气户数、卷烟销量、蚊香销量、打火石销量的线性回归模型，通过对模型的分析，找出合适的线性回归方程。解：建立线性回归模型的具体操作步骤如下：1、打开数据文件SY-9，单击Analyze ? Regression ? Linear打开Linear 对话框如图3.10所示。2、从左边框中选择因变量Y进入Dependent 框内，选择一个或多个自变量进入Independent框内。从Method 框内下拉式菜单中选择回归分析方法，有强行进入法(Enter)，消去法(Remove)，向前选择法(Forward)，向后剔除法(Backward)及逐步回归法(Stepwise)五种。本例中选择逐步回归法(Stepwise)。 图3.10 Linear Regression对话框3、单击Statistics，打开Linear Regression： Statistics对话框，可以选择输出的统计量如图3.11所示。Regression Coefficients栏，回归系数选项栏。Estimates (系统默认): 输出回归系数的相关统计量：包括回归系数，回归系数标准误、标准化回归系数、回归系数检验统计量（t值）及相应的检验统计量概率的P值（sig）。本例中只选择此项。Confidence intervals:输出每一个非标准化回归系数95％的置信区间。Covariance matrix: 输出协方差矩阵。与模型拟合及拟合效果有关的选择项。Model fit是默认项。能够输出复相关系数R、R2及R2修正值，估计值的标准误，方差分析表。R squared change: 引入或剔除一个变量时，R2的变化。Descriptives: 基本统计描述。Part and Partial correlations：相关系数及偏相关系数。Collinearity diagnostics：共线性诊断。主要对于多元回归模型，分析各自变量的之间的共线性的统计量：包括容忍度和方差膨胀因子、特征值，条件指数等。本例中选择上面所有的统计项。Residuals 残差栏Durbin-Watson：D.W检验.Casewise diagnostics: 奇异值诊断,有两个选项：Outliers outside( )standard deviations:奇异值判据，默认项标准差≥3。All case 输出所有观测量的残差值。本例中选择D.W检验及奇异值诊断，选择标准差为2，即置信度约为95%。 图3.11 Linear Regression： Statistics4、如果需要观察图形，可单击Plots按纽，打开Linear Regression：Plots对话框如图3.12所示。在此对话框中可以选择所需要的图形。 图3.12 Linear Regression：Plots对话框在左上角的源变量框中，选择Dependent 进入X（或Y）轴变量框，选择其它变量进入Y（或X）轴变量框，除因变量外，其客观存在变量依次是：ZPRED:标准化预测值，ZRESID:标准化残差，DRESID:剔除残差，ADJPRED:修正后预测值，SRESID学生化残差，SDRESID:学生化剔除残差。Standardized Residual Plots栏，标准化残差图类型，有选择项：Histogram: 标准化残差直方图Normal probability plot 标准化残差序列的正态分布概率图.Produce all partial plots 依次绘制因变量和所有自变量的散布图本例中选择因变量Dependent与标准化残差ZRESID的残差图。5、单击Options按纽，打开Linear Regression：Options对话框，如图3.13所示。可以从中选择模型拟合判断准则Stepping Method Criteria 及缺失值的处理方式。 图3.13 Linear Regression：Options对话框Stepping Method Criteria 栏，设置变量引入或剔除模型的判别标准。Use probability of F:采用F检验的概率为判别依据。Use F value: 采用F值作为检验标准。Include constant in equation 回归方程中包括常数项。Missing Values 缺失值的处理方式。本例中选择系统默认项。6、如果要保