spss多元线性回归分析.pdfVIP

spss多元线性回归分析

LT

（2）单击“统计量”选项，原有选项基础上选择“R方变化”。在残差中选

“Durbin-Watson”，单击“继续”。

（3）单击“绘制”，将“DEPENDNT”选入“X2”中，将“*SRESID”选入“Y”

中，在标准残差图选项中选择“直方图”和“正态概率图”。单击“继续”。

（4）单击“选项”，在原有选项的基础上单击“继续”，最后单击“确定”，就

完成了。

数据处理结果如下：

输入／移去的变量a

模型输入的变量移去的变量方法

1载脂蛋白B.步进（准则:F-to-enter的概

率=.050，F-to-remove的

概率=.100）。

2载脂蛋白C.步进（准则:F-to-enter的概

率=.050，F-to-remove的

概率=.100）。

a.因变量:低密度脂蛋白

上图为统计的基本信息。

模型汇总c

更改统计量

标准估计的误

模型RR方调整R方差R方更改F更改df1df2Sig.F更改Durbin-Watson

1.562a.316.29128.331.31612.924128.001

b

2.733.538.50323.715.22212.960127.0012.532

a.预测变量:(常量),载脂蛋白B。

b.预测变量:(常量),载脂蛋白B,载脂蛋白C。

c.因变量:低密度脂蛋白

上图列出了模型的R、R方、调整R方。R方值越大所反映的两变量的共变量比

率越高，模型与数据的拟合程度越好。结果显示：自变量和因变量之间的相关

系数为0.733，拟合线性回归的确定性系数为0.538，经调整后的确定性系数为

0.503。

c

Anova

模型平方和Df均方FSig.

1回归10373.178110373.17812.924.001a

残差22473.48928802.625

总计32846.66729

b

2