多元线性回归分析spss

SPSS—回归—多元线性回归结果分析（二）

，最近一直很忙，公司的潮起潮落，就好比人生的跌岩起伏，眼看着一步步走向衰弱，却无能为力，也许要学习“步步惊心”里面“四阿哥”的座右铭：“行到水穷处”，”坐看云起时“。

接着上一期的“多元线性回归解析”里面的内容，上一次，没有写结果分析，这次补上，结果分析如下所示：

结果分析1：

由于开始选择的是“逐步”法，逐步法是“向前”和“向后”的结合体，从结果可以看出，最先进入“线性回归模型”的是“price in thousands" 建立了模型1，紧随其后的是“Wheelbase" 建立了模型2，所以，模型中有此方法有个概率值，当小于等于0.05时，进入“线性回归模型”（最先进入模型的，相关性最强，关系最为密切）当大于等0.1时，从“线性模型中”剔除

结果分析：

1：从“模型汇总”中可以看出，有两个模型，（模型1和模型2）从R2 拟合优度来看，模型2的拟合优度明显比模型1要好一些

（0.422>0.300）

2：从“Anova"表中，可以看出“模型2”中的“回归平方和”为115.311，“残差平方和”为153.072，由于总平方和=回归平方和+残差平方和，由于残差平方和(即指随即误差，不可解释的误差）由于“回归平方和”跟“残差平方和”几乎接近，所有，此线性回归模型只解释了总平方和的一半，

3：根据后面的“F统计量”的概率值为0.00，由于0.00<0.01，随着“自变量”的引入，其显著性概率值均远小于0.01，所以可以显著地拒绝总体回归系数为0的原假设，通过ANOVA方差分析表可以看出“销售量”与“价格”和“轴距”之间存在着线性关系，至于线性关系的强弱，需要进一步进行分析。

结果分析：

1：从“已排除的变量”表中，可以看出：“模型2”中各变量的T检的概率值都大于“0.05”所以，不能够引入“线性回归模型”必须剔除。

从“系数a” 表中可以看出：

回归分析基本分析：

将毕业生人数移入因变量，其他解释变量移入自变量。在统计量中选择估计和模型拟合度，得到如图

输入／移去的变量

模型 输入的变量 移去的变量 方法

1 教职工总数(万人), 专利申请授权数(件), 研究与试验发展机构数(个), 普通高校数(所), 发表科技论文数量(篇), 在校学生数(万人)a . 输入

a. 已输入所有请求的变量。

模型汇总

模型 R R 方 调整 R 方 标准 估计的误差

1 .999a .998 .997 9.822

a. 预测变量: (常量), 教职工总数(万人), 专利申请授权数(件),

研究与试验发展机构数(个), 普通高校数(所), 发表科技论文数量(篇), 在校学生数(万人)。

注解：模型的拟合优度检验：

第二列：两变量（被解释变量和解释变量）的复相关系数R=0.999。

第三列：被解释向量（毕业人数）和解释向量的判定系数𝑅2=0.998。

第四列：被解释向量（毕业人数）和解释向量的调整判定系数𝑅2=0.971。在多个解释变量的时候，需要参考调整的判定系数，越接近１，说明回归方程对样本数据的拟合优度越高，被解释向量可以被模型解释的部分越多。

第五列：回归方程的估计标准误差＝9.822

Anovab

模型 平方和 df 均方 F Sig.

1 回归 449287.911 6 74881.319 776.216 .000a

残差 675.288 7 96.470

总计 449963.199 13

a. 预测变量: (常量), 教职工总数(万人), 专利申请授权数(件), 研究与试验发展机构数(个), 普通高校数(所), 发表科技论文数量(篇), 在校学生数(万人)。

b. 因变量: 毕业生数(万人)

回归方程的显著性检验-回归分析的方差分析表

F检验统计量的值=776.216，对应的概率p值=0.000，小于显著性水平0.05，应拒绝回归方程显著性检验原假设（回归系数与0不存在显著性差异），认为：回归系数不为0，被解释变量(毕业生人数)和解释变量的线性关系显著，可以建立线性模型。

完美格式整理版

学习好帮手 SPSS 统计分析

多元线性回归分析方法操作与分析

实验目的：

引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。

实验变量：

以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。

实验方法：多元线性回归分析法

软件：spss19.0

操作过程：

第一步：导入Excel数据文件

1. open data document——open data——open；

2. Opening excel data source——OK.

完美格式整理版

学习好帮手

第二步：

1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise.

进入如下界面：

2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise

diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.

农民收入影响因素的多元回归分析

自改革开放以来,虽然中国经济平均增长速度为9.5 % ,但二元经济结构给经济发展带来的问题仍然很突出。农村人口占了中国总人口的70 %多,农业产业结构不合理,经济不发达,以及农民收入增长缓慢等问题势必成为我国经济持续稳定增长的障碍。正确有效地解决好“三农”问题是中国经济走出困境,实现长期稳定增长的关键。其中,农民收入增长是核心,也是解决“三农”问题的关键。本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,寻找其根源,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。

一、 回归模型的建立

（1） 数据的收集

根据实际的调查分析，我们在影响农民收入因素中引入3个解释变量。即：

X2-财政用于农业的支出的比重， X3-乡村从业人员占农村人口的比重， X4 -农作物播种面积

y X2 X3 X4

年份 78年可比价 财政用于农业的支出的比重 乡村从业人员占农村人口的比重 农作物播种面积

1989 196.76 9.42 49.23 146553.9

1990 220.53 9.98 49.93 148362.3

1991 223.25 10.26 50.92 149585.8

1992 233.19 10.05 51.53 149007.1

1993 265.67 9.49 51.86 147740.7

1994 335.16 9.2 52.12 148240.6

1995 411.29 8.43 52.41 149879.3

1996 460.68 8.82 53.23 152380.6

1997 477.96 8.3 54.93 153969.2

1998 474.02 10.69 55.84 155705.7

1999 466.8 8.23 57.16 156372.8

2000 466.16 7.75 59.33 156299.9