SPSS多元线性回归分析报告报告材料实例操作步骤

实验八报告一、数据来源Employee data. sav 二、基本结果（1）确定自变量、因变量：）确定自变量、因变量：一般而言，因变量y与各自变量xj(j=1,2,3,…,n)之间的多元线性回归模型：之间的多元线性回归模型：其中：b0是回归常数；b k (k=1,2,3,…,n)是回归参数；e是随机误差。

是随机误差。

根据employee data.sav的数据，其中Y是当前工资salary，X1是起始资金salbegin，X2是工作经验prevexp，X3是工作时间jobtime，X4是工作种类jobcat，X5是受教育年限edcau。

（2）做出因变量与自变量的散点图：）做出因变量与自变量的散点图：从散点图可以看出因变量与各自变量之间存在线性关系。

（3）检验因变量Y是否服从正态分布的模型假定——因变量Y并没有很好地服从正态分布。

地服从正态分布。

的残差图（4）线性回归Y的残差图此标准化残差图表明，此线性回归的标准化残差呈楔形分布而非带状分布，不满足回归模型同方差的假定。

布，不满足回归模型同方差的假定。

当前薪金多元线性回归分析的残差图图当前薪金多元线性回归分析的残差图（5）通过以上检验可以看出，当前薪金并不是好的变量，对当前薪金进行Ln变换（取对数）生成新的随进变量logsale，将logsale作为因变量Y用逐步回归的方法进行回归分析：的方法进行回归分析：1）p-p图：图：较好的服从了正态分布。

发现取对数后，logY较好的服从了正态分布。

2）logY的标准化残差图：的标准化残差图：上图表明因变量Y（logsale）的标准化残差近似呈带状分布，满足模型同方差的假定。

差的假定。

3）逐步回归的判定系数：）逐步回归的判定系数：通过逐步回归，得到方程的判定系数如下表。

R²越接近1，说明回归方程解释了因变量总变异量的绝大部分比例。

本估计的回归方程有一个好的拟合，，可以认为拟合度高。

在模型5中达到0.810，且调整后的R²达到0.808，可以认为拟合度高。

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.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.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析：1.引入/剔除变量表Variables Entered/Removed aModel Variables Entered Variables Removed Method1 城市人口密度(人/平方公里) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).2 城市居民人均可支配收入(元) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).a. Dependent Variable: 商品房平均售价（元/平方米）该表显示模型最先引入变量城市人口密度(人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。

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.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.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析：1.引入/剔除变量表Variables Entered/Removed aModel Variables Entered Variables Removed Method1 城市人口密度(人/平方公里) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).2 城市居民人均可支配收入(元) . Stepwise (Criteria:Probability-of-F-to-enter<= .050,Probability-of-F-to-remove >=.100).a. Dependent Variable: 商品房平均售价（元/平方米）该表显示模型最先引入变量城市人口密度(人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。

SPSS多元线性回归分析实例操作步骤多元线性回归是一种常用的统计分析方法，用于探究多个自变量对因变量的影响程度。

SPSS（Statistical Package for the Social Sciences）是一款常用的统计软件，可以进行多元线性回归分析，并提供了简便易用的操作界面。

本文将介绍SPSS中进行多元线性回归分析的实例操作步骤，帮助您快速掌握该分析方法的使用。

步骤一：准备数据在进行多元线性回归分析之前，首先需要准备好相关的数据。

数据应包含一个或多个自变量和一个因变量，以便进行回归分析。

数据可以来自实验、调查或其他来源，但应确保数据的质量和可靠性。

步骤二：导入数据在SPSS软件中，打开或创建一个新的数据集，然后将准备好的数据导入到数据集中。

可以通过导入Excel、CSV等格式的文件或手动输入数据的方式进行数据导入。

确保数据被正确地导入到SPSS中，并正确地显示在数据集的各个变量列中。

步骤三：进行多元线性回归分析在SPSS软件中，通过依次点击"分析"-"回归"-"线性"，打开线性回归分析对话框。

在对话框中，将因变量和自变量移入相应的输入框中。

可以使用鼠标拖拽或双击变量名称来快速进行变量的移动。

步骤四：设置分析选项在线性回归分析对话框中，可以设置一些分析选项，以满足具体的分析需求。

例如，可以选择是否计算标准化回归权重、残差和预测值，并选择是否进行方差分析和共线性统计检验等。

根据需要，适当调整这些选项。

步骤五：获取多元线性回归分析结果点击对话框中的"确定"按钮后，SPSS将自动进行多元线性回归分析，并生成相应的分析结果。

结果包括回归系数、显著性检验、残差统计和模型拟合度等信息，这些信息可以帮助我们理解自变量对因变量的贡献情况和模型的拟合程度。

步骤六：解读多元线性回归分析结果在获取多元线性回归分析结果之后，需要对结果进行解读，以得出准确的结论。

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.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.3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，点击Continue.6.返回主对话框，单击OK.输出结果分析： 1.引入/剔除变量表该表显示模型最先引入变量城市人口密度 (人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。

线性回归分析的SPSS操作本节内容主要介绍如何确定并建立线性回归方程。

包括只有一个自变量的一元线性回归和和含有多个自变量的多元线性回归。

为了确保所建立的回归方程符合线性标准，在进行回归分析之前，我们往往需要对因变量与自变量进行线性检验。

也就是类似于相关分析一章中讲过的借助于散点图对变量间的关系进行粗略的线性检验，这里不再重复。

另外，通过散点图还可以发现数据中的奇异值，对散点图中表示的可能的奇异值需要认真检查这一数据的合理性。

一、一元线性回归分析1．数据以本章第三节例3的数据为例，简单介绍利用SPSS如何进行一元线性回归分析。

数据编辑窗口显示数据输入格式如下图7-8（文件7-6-1.sav）：图7-8：回归分析数据输入2．用SPSS进行回归分析，实例操作如下：2.1.回归方程的建立与检验（1）操作①单击主菜单Analyze / Regression / Linear…，进入设置对话框如图7-9所示。

从左边变量表列中把因变量y选入到因变量（Dependent）框中，把自变量x选入到自变量（Independent）框中。

在方法即Method一项上请注意保持系统默认的选项Enter，选择该项表示要求系统在建立回归方程时把所选中的全部自变量都保留在方程中。

所以该方法可命名为强制进入法（在多元回归分析中再具体介绍这一选项的应用）。

具体如下图所示：图7-9 线性回归分析主对话框②请单击Statistics…按钮，可以选择需要输出的一些统计量。

如Regression Coefficients(回归系数)中的Estimates，可以输出回归系数及相关统计量，包括回归系数B、标准误、标准化回归系数BETA、T值及显著性水平等。

Model fit项可输出相关系数R，测定系数R2，调整系数、估计标准误及方差分析表。

上述两项为默认选项，请注意保持选中。

设置如图7-10所示。

设置完成后点击Continue返回主对话框。

图7-10：线性回归分析的Statistics选项图7-11：线性回归分析的Options选项回归方程建立后，除了需要对方程的显著性进行检验外，还需要检验所建立的方程是否违反回归分析的假定，为此需进行多项残差分析。

计量经济学实验报告一.实验目的：1、学习和掌握用SPSS做变量间的相关系数矩阵；2、掌握运用SPSS做多元线性回归的估计；3、用残差分析检验是否存在异常值和强影响值4、看懂SPSS估计的多元线性回归方程结果；5、掌握逐步回归操作；6、掌握如何估计标准化回归方程7、根据输出结果书写方程、进行模型检验、解释系数意义和预测；二．实验步骤：1、根据所研究的问题提出因变量和自变量，搜集数据。

2、绘制散点图和样本相关阵，观察自变量和因变量间的大致关系。

3、如果为线性关系，则建立多元线性回归方程并估计方程。

4、运用残差分析检验是否存在异常值点和强影响值点。

5、通过t检验进行逐步回归。

6、根据spss输出结果写出方程，对方程进行检验（拟合优度检验、F检验和t检验）。

7、输出标准化回归结果，写出标准化回归方程。

8、如果通过检验，解释方程并应用（预测）。

三.实验要求：研究货运总量y与工业总产值x1,农业总产值x2，居民非商品支出x3,之间的关系。

详细数据见表：（1）计算出y,x1,x2,x3的相关系数矩阵。

（2）求y关于x1,x2,x3的三元线性回归方程（3）做残差分析看是否存在异常值。

（4）对所求方程拟合优度检验。

（5）对回归方程进行显著性检验。

（6）对每一个回归系数做显著性检验。

（7）如果有的回归系数没有通过显著性检验，将其剔除，重新建立回归方程，在做方程的显著性检验和回归系数的显著性检验。

（8）求标准化回归方程。

（9）求当x1=75,x2=42,x3=3.1时y。

并给出置性水平为99%的近似预测区间。

（10）结合回归方程对问题进行一些基本分析。

四.绘制散点图或样本相关阵相关性货运总量工业总产值农业总产值 居民非商品支出货运总量Pearson 相关性1.556 .731*.724*显著性（双侧）.095.016 .018 N10 10 10 10 工业总产值Pearson 相关性.556 1.155 .444 显著性（双侧） .095 .650.171 N10 11 11 11 农业总产值Pearson 相关性.731*.155 1.562 显著性（双侧） .016 .650 .072N10 11 11 11 居民非商品支出 Pearson 相关性.724* .444 .562 1显著性（双侧）.018 .171 .072 N10111111*. 在 0.05 水平（双侧）上显著相关。

3 利用SPSS10.0进行多元线性回归分析【例】同上例。

第一步，录入或调入数据。

完全类同于一元线性回归分析，不赘述（图1）。

图1 录入或调入的数据第二步，回归操作。

多元线性分析的详细步骤的基本进程与一元线性回归分析相似，稍有不同。

⑴打开线性回归对话框。

即沿着主菜单的Analyse→Regression→Linear…路径打开Linear Regression选项框（图2）。

⑵将“运输业产值”置于因变量（Dependent）的空白栏，将“工业产值”、“农业产值”和“固定资产投资”置于自变量（Independent(s)）的空白栏（图3）。

⑶在统计（Statistics）选项框中，除了选择“Durbin-Watson”外，还应该选择“Part and partial correlations”(部分与偏相关，给出零阶相关系数、偏相关系数和部分相关系数)以及“Collinearity diagnostics（共线性诊断）”。

然后继续。

⑷在Plot选项框中，除了可以选择“Histogram”（直方图）和“Normal probability plot”(正态概率图)外，还可选择“Produce all partial plot(s)”（给出所有自变量与因变量的残差散点图）。

然后继续。

⑸修改显著性水平或置信度，可以进入Save对话框，改变Prediction intervals的Confidence intervals（置信区间）；修改逐步回归的F临界值，可以进入Option选项框，改变Stepping method criteria中的F值或者F概率。

如果对此缺乏足够的知识，可由系统默认。

然后继续。

⑹在线性回归对话框中，Method一栏由系统默认为enter（让所有的自变量都参入回归）。

完成上述设置以后，点击“OK”确定（图3），立即可以得到回归结果（Output）。

图2 线性回归对话框图3 设置变量图4 统计选项框的设置图5 图形对话框的设置在Variables Entered/Removed （变量取舍即变量的输入或剔除）表中，给出的采用的变量、剔除的变量和回归方法（enter ）,此表中没有剔除变量。