SPSS处理多重回归分析

实验二多重回归分析一、实验目的研究样本数据离差阵、样本协方差阵，以及变量之间的相关系数（包括偏相关）并作相关性分析。

二、实验要求为研究高等院校人文社会科学研究中立项课题数受那些因素的影响，收集到某年31个地区部分高校有关社科研究方面的数据（见SPSS数据），利用此的数据，设定立项课题数X5为因变量（被解释变量），X2，X3，X4，X6,X7,X8为解释变量，作多重回归分析。

三、实验内容1.依次点击“分析→回归→线性回归”，得到如下图一所示：【图一】2.点击“统计量”，得到如下图二所示：【图二】3.点击“继续”，得到如下图三所示：【图三】4.点击“继续→确定”，得到如下表一所示：【表一】回归其中，容差（容忍度）：21i i Tol R =- 2i R 是解释变量i X 与其他解释变量间的复相关系数的平方。

容忍度取值范围为0-1，越接近0表示多重共线性越强，容忍度越接近于1表示多重共线性越弱。

方差膨胀因子（VIF ）：1iiV I F T o l =即为容忍度的倒数。

i VIF 的值大于等于1，i VIF 越小，说明多重共线性越弱。

可见，投入高级职称的人年数的容差最小，为0.007，多重共线性是最弱的，其次是投入人年数；获奖数的容差最大，为0.358，多重共线性最强。

其中，解释变量相关阵的特征根和方差比：如果解释变量有较强的相关性，则它们之间必然存在信息重叠。

可通过解释变量相关阵的特征值来反映。

解释变量相关阵的最大特征根能够解释说明解释变量信息的比例是最高的，其他特征根随其特征值的减小对解释变量方差的的解释能力依次减弱。

如果这些特征根中，最大特征根远远大于其他特征根，说明这些解释变量间具有相当多的重叠信息。

条件指数：是在特征值基础上的定义的能反映解释变量间多重共线性的指标mi ik λλ=i k 为第i 个条件指数，m λ是最大特征根。

通常当010i k ≤<时，认为多重共线性弱；当10100i k ≤<时，认为多重共线性较强；当是100i k ≥，认为多重共线性很严重。

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。

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。

1、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。

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多元回归分析的报告怎么做：怎么做回归报告分析s pss 多元线性回归spss操作spss回归分析结果解释spss多元线性回归结果篇一：SPSS多元线性回归分析实例操作步骤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(转载于: 写论文网:spss 多元回归分析的报告怎么做)城市居民人均可支配收入(元)，没有变量被剔除。

哈尔滨商业大学数学实验报告实验题目：___用SPSS软件实现多元线性回归分析___ 姓名：____张彦琛____ 学号：_201214390009__ 专业：________数学与应用数学_______________ 日期：________2014-10-27___________________一、实验目的用SPSS软件来实现多元线性回归分析及其应用。

二、实验内容水泥凝固时放出的热量Y与水泥中的四种化学成分x1,x2,x3,x4有关，今测得一组数据如下，试用多元回归分析的方法建立模型。

三、实验步骤及结论（一）实验步骤把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中进行回归分析。

选择菜单“分析—>回归—>线性”，为了解决多重共线性问题，采用逐步回归法。

（二）实验结论表一：表一显示了用逐步回归法得到了两个回归模型的拟合情况。

由表可知，引入x4得到模型1，模型1的R方为0.675，调整R方为0.645，x4对y影响显著。

同时又引入x1得到模型2，模型2的R方为0.972，调整R 方为0.967，x4，x1对y影响最为显著。

由0.675<0.972，0.645<0.967，且接近1，说明模型的拟合效果很好。

表二：表二给出了两个回归模型的方差分析及检验结果。

模型1的F 值为22.799，Sig.值为0.001<0.05。

模型2的F值为176.627，Sig.值为000<0.05。

模型1,2都通过F检验，可见模型1与模型2在整体上都是显著的。

表三:表三给出了回归模型的非标准化估计系数、标准化估计系数、系数的显著性检验结果以及共线性统计量的方差膨胀因子VIF。

在模型1，2中，对应t统计量的Sig.的值均小于0.05，则说明每个系数对y 的影响是显著的。

共线性统计量中VIF<10，则克服了共线性的影响。

模型1,2都通过了统计显著性检验，由表可得两个回归模型。

多元回归分析SPSS
SPSS可以进行多元回归分析的步骤如下：
1.导入数据：首先需要将所需的数据导入SPSS软件中。

可以使用SPSS的数据导入功能，将数据从外部文件导入到工作空间中。

2.选择自变量和因变量：在进行多元回归分析之前，需要确定作为自
变量和因变量的变量。

在SPSS中，可以使用变量视图来选择所需的变量。

3.进行多元回归分析：在SPSS的分析菜单中，选择回归选项。

然后
选择多元回归分析，在弹出的对话框中将因变量和自变量输入相应的框中。

可以选择是否进行数据转换和标准化等选项。

4.分析结果的解释：多元回归分析完成后，SPSS将生成一个回归模
型的结果报告。

该报告包括各个自变量的系数、显著性水平、调整R平方
等统计指标。

根据这些统计指标可以判断自变量与因变量之间的关系强度
和显著性。

5.进一步分析：在多元回归分析中，还可以进行进一步的分析，例如
检查多重共线性、检验模型的假设、进一步探索变量之间的交互作用等。

通过多元回归分析可以帮助研究者理解因变量与自变量之间的关系，
预测因变量的值，并且确定哪些自变量对因变量的解释更为重要。

在
SPSS中进行多元回归分析可以方便地进行数值计算和统计推断，提高研
究的科学性和可信度。

总结来说，多元回归分析是一种重要的统计分析方法，而SPSS是一
个功能强大的统计软件工具。

通过结合SPSS的多元回归分析功能，研究
者可以更快速、准确地进行多元回归分析并解释结果。

以上就是多元回归分析SPSS的相关内容简介。

SPSS多元线性回归结果分析输出下⾯三张表第⼀张R⽅是拟合优度对总回归⽅程进⾏F检验。

显著性是sig。

结果的统计学意义，是结果真实程度（能够代表总体）的⼀种估计⽅法。

专业上，p 值为结果可信程度的⼀个递减指标，p 值越⼤，我们越不能认为样本中变量的关联是总体中各变量关联的可靠指标。

p 值是将观察结果认为有效即具有总体代表性的犯错概率。

如 p=0.05 提⽰样本中变量关联有 5% 的可能是由于偶然性造成的。

即假设总体中任意变量间均⽆关联，我们重复类似实验，会发现约 20 个实验中有⼀个实验，我们所研究的变量关联将等于或强于我们的实验结果。

（这并不是说如变量间存在关联，我们可得到 5% 或 95% 次数的相同结果，当总体中的变量存在关联，重复研究和发现关联的可能性与设计的统计学效⼒有关。

）在许多研究领域，0.05 的 p 值通常被认为是可接受错误的边界⽔平。

F检验：对于多元线性回归模型，在对每个回归系数进⾏显著性检验之前，应该对回归模型的整体做显著性检验。

这就是F检验。

当检验被解释变量y t与⼀组解释变量x1, x2 , ... , x k -1是否存在回归关系时，给出的零假设与备择假设分别是H0：b1 = b2 = ... = b k-1 = 0 ,H1：b i, i = 1, ..., k -1不全为零。

⾸先要构造F统计量。

由（3.36）式知总平⽅和（SST）可分解为回归平⽅和（SSR）与残差平⽅和（SSE）两部分。

与这种分解相对应，相应⾃由度也可以被分解为两部分。

SST具有T - 1个⾃由度。

这是因为在T个变差 ( y t -), t = 1, ..., T，中存在⼀个约束条件，即 = 0。

由于回归函数中含有k个参数，⽽这k个参数受⼀个约束条件制约，所以SSR具有k -1个⾃由度。

因为SSE中含有T个残差，= y t -, t = 1, 2, ..., T，这些残差值被k个参数所约束，所以SSE具有T - k个⾃由度。

多元回归分析SPSS案例
一、案例背景
一所大学学术部门进行了一项有关学生毕业的调查，主要是为了探讨
学生毕业的影响因素，通过这个调查，大学试图及早发现潜在的学术发展
问题，从而改善学术教育和服务质量。

调查采用SPSS软件分析，将来自
一所大学学生的有关信息作为研究目标，本研究的研究对象为大学学生。

二、研究目的
1、探索影响大学生毕业的主要因素；
2、研究各变量对大学生毕业的影响程度；
3、提出适合大学学生的毕业提升策略。

三、研究变量
本研究采用多元线性回归分析方法，研究变量有：（1）身体健康程
度（即体检结果）；（2）现金流（即家庭收入）；（3）家庭教育水平；（4）学习成绩；（5）家庭状况，即与家庭成员的关系；（6）个人情感
状况；（7）考试作弊。

四、研究方法
1、获取研究数据：
通过与学校协商，确定调查对象，以及采集问卷的方法（如发放问卷、网络调查等），以获取有关学生毕业的数据；
2、数据处理：
清洗数据，将数据分类进行处理，去除无关信息；
3、多元回归分析：
计算自变量与因变量之间的线性关系，分析变量间关系，建立多元回归模型；。