SPSS数据分析教程.pptVIP

SPSS回归分析在SPSS中打开数据文件ComputerRepair.sav，变量Units记录了修复的零部件的个数；变量Minuts记录了服务所占用的电话时间。选择【分析】→【回归】→【线性】。把Units选入到自变量框中；把Minuts选入到因变量框中。其他选项保留默认值。SPSS回归分析回归分析的结果及其解释拟合优度检验多元线性回归实际应用中，很多情况要用到多个预测变量才能更好地描述变量间的关系，如果这些预测变量在预测方程中的系数为线性，那么回归方程称为多元线性回归方程。就方法的实质来说，处理多个预测变量的方法与处理一个预测变量的方法基本相同。多元线性回归的模型多元线性回归的模型为：

Y=ˉ0+ˉ1X1+ˉ2X2+?+ˉpXp+2回归系数的估计和简单线性回归一样，仍然应用最小二乘法回归方程的显著性检验与一元的情形一样，上面的讨论是在响应变量Y与预测变量X之间呈现线性相关的前提下进行的，所求的经验方程是否有显著意义，还需对X与Y间是否存在线性相关关系作显著性假设检验，与一元类似，回归方程是否有显著意义，需要对回归参数ˉ0,ˉ1,?,ˉp进行检验。检验每个回归系数是否显著H0:ˉi=0,i=0,1,2,?,p这里和一元线性回归的检验一样，检验统计量为t统计量。检验所有回归系数都不显著,即H0:ˉ0=ˉ1=?=ˉp这里的检验统计量为F检验的被拒绝，并不能说明所有的自变量都对因变量Y有显著影响，我们希望从回归方程中剔除那些统计上不显著的自变量，重新建立更为简单的线性回归方程，这就需要对每个回归系数做显著性检验。即使所有的回归系数单独检验统计上都不显著，而F检验有可能显著，这时我们不能够说模型不显著。这时候，尤其需要仔细对数据进行分析，可能分析的数据有问题，譬如共线性等。调整的R2随着自变量个数的增多，不管增加的自变量是否和因变量的关系密切与否，R方都会增大；调整的R方是根据回归方程中的参数的个数进行调整的R方，它对参数的增多进行惩罚，调整R方它没有直观的解释意义，它的定义为应用举例数据文件performance.sav记录了一项企业心理学研究的数据。它调查了一个大型金融机构的雇员，记录了他们和主管的交互情况的评价和对主管的总的满意情况。我们希望该调查来了解主管的某些特征和对他们的总的满意情况的相互关系。打开数据文件performance.sav，选择【分析】→【回归】→【线性】，如图8-3所示。把变量Y选入到因变量框中，把变量X1到X6选入到自变量框中，其他选项保留默认值。单击【确定】。结果及其解释“t”列记录了各回归系数t检验的t统计量，而Sig.列记录了相应的显著性值。这里，只有X1和X3的显著性值小于0.1，注意到回归方程的常数项也不显著。然而，大部分情况下不显著的预测变量都要从回归方程中移除，而回归常数代表了响应变量的基本水平，不管显著与否，大部分情况都保留在回归方程中。因此，我们可以仅仅考虑Y和X1、X3之间的关系而忽略其他预测变量。简约回归模型简约回归模型结果及解释动手练习数据文件world95.sav记录了1995年统计的各个国家的生育率(fertility)和妇女的平均预期寿命（lifeexpf）等数据。1）探索性分析这两个变量，探察两个变量中是否存在异常点。2）做出这两个变量的散点图，建立两个变量的线性回归模型，判断得到的模型的合理性。3）利用生育率来预测妇女的预期寿命。并设置相关选项，以进一步检验关于线性回归的假定条件。判断该数据是否满足线性回归的假定条件。4）并进行回归诊断，对模型的系数进行解释。从输出结果，判断妇女多要一个小孩对她的寿命的影响情况。。集体项目SPSS数据分析-第9讲—《SPSS数据分析教程》方差分析的主要内容方差分析的基本思想了解方差分析和比较均值的异同单因素方差分析的应用条件、方法和结果的解释多因素方差分析的应用条件、方法和结果的解释协方差分析的应用条件、方法和结果的解释t检验应用于研究单样本均值的比较和两个样本均值的比较。在生产活动和科学研究中经常会遇到比较三个或者三个以上样本均值的差异问题。这时，采用的统计方法称为方差分析，简称ANOVA（ANalasisOfVAriance）。例如某机构对当前民众的生活状况进行调查，根据被调查者的回答把居民对待生活的态度分为三类：认为生活丰富多彩、生活平平常常和生活乏味三类，它们想知道人们对待生活的态度是否和他们受教育的情况有关系，即这三类人是否在受教育程度上有显著的区别。方差分析的术语试验中的实验结果是需要分析的变量，称为响应变量，或者因变量。方差分析的因变量必须为