当前位置：文档之家 › wqeAAASPSS多元线性回归分析报告实例操作步骤

wqeAAASPSS多元线性回归分析报告实例操作步骤

  • 格式：doc
  • 大小：719.00 KB
  • 文档页数：12

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。

2. 模型汇总

Model Summaryc Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 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）

Model R R Square Adjusted R Square Std. Error of the

Estimate

Durbin-Watson

1 1.000a 1.000 1.000 35.187

2 1.000b 1.000 1.000 28.351 2.845

a. Predictors: (Constant), 城市人口密度 (人/平方公里)

b. Predictors: (Constant), 城市人口密度 (人/平方公里), 城市居民人均可支配收入(元)

c. Dependent Variable: 商品房平均售价（元/平方米）

该表显示模型的拟合情况。从表中可以看出，模型的复相关系数（R）为1.000，判定系数（R Square）为1.000，调整判定系数（Adjusted R Square）为1.000，估计值的标准误差（Std. Error of the Estimate）为28.351，Durbin-Watson检验统计量为2.845，当DW≈2时说明残差独立。

3. 方差分析表

ANOVAc

Model Sum of Squares df Mean Square F

Sig.

1 Regression 38305583.506 1 38305583.506 30938.620 .000a

Residual 11143.039 9 1238.115

Total 38316726.545 10

2 Regression 38310296.528 2 19155148.264 23832.156 .000b

Residual 6430.018 8 803.752

Total 38316726.545 10

a. Predictors: (Constant), 城市人口密度 (人/平方公里)

b. Predictors: (Constant), 城市人口密度 (人/平方公里), 城市居民人均可支配收入(元)

c. Dependent Variable: 商品房平均售价（元/平方米）

该表显示各模型的方差分析结果。从表中可以看出，模型的F统计量的观察值为23832.156，概率p值为0.000，在显著性水平为0.05的情形下，可以认为：商品房平均售价（元/平方米）与城市人口密度 (人/平方公里),和城市居民人均可支配收入(元)之间有线性关系。

4. 回归系数

Coefficientsa

该表为多元线性回归的系数列表。表中显示了模型的偏回归系数（B）、标准误差（Std. Error）、常数（Constant）、标准化偏回归系数（Beta）、回归系数检验的t统计量观测值和相应的概率p值（Sig.）、共线性统计量显示了变量的容差（Tolerance）和方差膨胀因子（VIF）。

令x1表示城市人口密度(人/平方公里)，x2表示城市居民人均可支配收入(元)，根据模型建立的多元多元线性回归方程为：

y=1555.506+1.020 x1 +0.017x2

方程中的常数项为1555.506，偏回归系数b1为1.020，b2为0.017，经T检验，b1和b2的概率p值分别为0.000和0.042，按照给定的显著性水平0.10的情形下，均有显著性意义。

根据容差发现，自变量间共线性问题严重；VIF值为20.126，也可以说明共线性较明显。这可能是由于样本容量太小造成的。

5. 模型外的变量

Model Unstandardized

Coefficients Standardized

Coefficients

T Sig. Collinearity

Statistics

B Std. Error Beta Tolerance VIF

1 (Constant) 1652.246 24.137 68.454 .000

城市人口密度 (人/平方公里) 1.072 .006 1.000 175.894 .000 1.000 1.000

2 (Constant) 1555.506 44.432 35.009 .000

城市人口密度 (人/平方公里) 1.020 .022 .951 46.302 .000 .050 20.126

城市居民人均可支配收入(元) .017 .007 .050 2.422 .042 .050 20.126

a. Dependent Variable: 商品房平均售价（元/平方米）

Excluded Variablesc

Model Beta In t Sig. Partial Collinearity Statistics

该表显示的是回归方程外的各模型变量的有关统计量，可见模型方程外的各变量偏回归系数经重检验，概率p值均大于0.10，故不能引入方程。

6. 共线性诊断

该表是多重共线性检验的特征值以及条件指数。对于第二个模型，最大特征值为2.891，其余依次快速减小。第三列的各个条件指数，可以看出有多重共线性。 Correlation Tolerance VIF Minimum

Tolerance

1 城市居民人均可支配收入(元) .050a 2.422 .042 .650 .050 20.126 .050

五年以上平均年贷款利率(%) -.001a -.241 .815 -.085 .999 1.001 .999

房屋空置率(%) .004a .596 .568 .206 .928 1.078 .928

2 五年以上平均年贷款利率(%) .002b .391 .708 .146 .913 1.096 .045

房屋空置率(%) .002b .452 .665 .168 .914 1.094 .049

a. Predictors in the Model: (Constant), 城市人口密度 (人/平方公里)

b. Predictors in the Model: (Constant), 城市人口密度 (人/平方公里), 城市居民人均可支配收入(元)

c. Dependent Variable: 商品房平均售价（元/平方米）

Collinearity Diagnosticsa

Model Dimension Eigenvalue Condition Index Variance Proportions

(Constant) 城市人口密度

(人/平方公里) 城市居民人均可支配收入(元)

1 1 1.898 1.000 .05 .05

2 .102 4.319 .95 .95

2 1 2.891 1.000 .00 .00 .00

2 .106 5.213 .21 .03 .00

3 .003 30.736 .78 .97 1.00

a. Dependent Variable: 商品房平均售价（元/平方米）

合集下载

SPSS—回归—多元线性回归结果分析

SPSS—回归—多元线性回归结果分析

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：

spss多元回归分析案例

spss多元回归分析案例

spss多元回归分析案例

SPSS多元回归分析案例。

在统计学中，多元回归分析是一种用于探究多个自变量与因变量之间关系的方法。通过多元回归分析，我们可以了解不同自变量对因变量的影响程度，以及它们之间的相互作用情况。在本篇文档中，我将通过一个实际案例来介绍如何使用SPSS软件进行多元回归分析。

案例背景：

假设我们是一家电子产品公司的市场营销团队，在推出新产品之前，我们希望了解不同因素对产品销量的影响。我们收集了一些数据，包括产品的售价、广告投入、竞争对手的售价、季节等因素，以及产品的销量作为因变量。

数据准备：

首先，我们需要将数据录入SPSS软件中。在SPSS中，我们可以通过导入Excel文件的方式将数据导入到软件中，并进行必要的数据清洗和处理。确保数据的准确性和完整性对于后续的多元回归分析非常重要。

模型建立：

接下来，我们需要建立多元回归模型。在SPSS中，我们可以通过依次选择“分析”-“回归”-“线性回归”来进行多元回归分析。在“因变量”栏中输入销量，然后将所有自变量依次输入到“自变量”栏中。在建立模型之前，我们还需要考虑是否需要进行变量转换或交互项的添加，以更好地拟合数据。

模型诊断：

建立模型后，我们需要对模型进行诊断，以确保模型的准确性和有效性。在SPSS中，我们可以通过查看残差的正态性、异方差性以及自相关性来进行模型诊断。如果模型存在严重的偏差或违反了多元回归分析的假设，我们需要进行相应的修正或改进。

模型解释：

最后，我们需要解释多元回归模型的结果。在SPSS的输出结果中，我们可以看到各个自变量的系数、显著性水平、调整R方等统计指标。通过这些指标，我们可以了解不同自变量对销量的影响程度，以及它们之间的相互作用情况。同时，我们还可以进行各种假设检验，来验证模型的有效性和可靠性。

结论：

通过以上多元回归分析，我们可以得出不同自变量对产品销量的影响程度，以及它们之间的相互作用情况。这些结果对于我们制定产品的定价策略、广告投放策略以及市场营销策略都具有重要的指导意义。同时，通过SPSS软件的多元回归分析，我们也可以更好地理解和解释数据，为决策提供科学依据。

SPSS多元线性回归分析教程

SPSS多元线性回归分析教程

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。

spss多元回归分析的报告怎么做

spss多元回归分析的报告怎么做

spss多元回归分析的报告怎么做 ：怎么做 回归 报告 分析 spss 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。