预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(完整word版)SPSS多元线性回归分析研究实例操作步骤(完整word版)SPSS多元线性回归分析研究实例操作步骤参考(完整word版)SPSS多元线性回归分析研究实例操作步骤SPSS统计分析多元线性回归分析方法操作与分析实验目地: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,来研究上海房价地变动因素。b5E2RGbCAP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。p1EanqFDPw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opendatadocument-—opendata——open;2。Openingexceldatasource——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.DXDiTa9E3d进入如下界面:2。点击右侧Statistics,勾选RegressionCoefficients(回归系数)选项组中地Estimates;勾选Residuals(残差)选项组中地Durbin—Watson、Casewisediagnostics默认;接着选择Modelfit、Collinearitydiagnotics;点击Continue.RTCrpUDGiT3。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;勾选选项组中地StandardizedResidualPlots(标准化残差图)中地Histogram、Normalprobabilityplot;点击Continue.5PCzVD7HxA4.点击右侧Save,勾选PredictedVaniues(预测值)和Residuals(残差)选项组中地Unstandardized;点击Continue.jLBHrnAILg5。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VariablesEntered/RemovedaModelVariablesEnteredVariablesRemovedMethod1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.DependentVariable: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),第二个引入模型地是变量城市居民人均可支配收入(元),没有变量被剔除。xHAQX74J0X模型汇总ModelSummarycModelRRSquareAdjustedRSquareStd。ErroroftheEstimateDurbin-Watson11。000a1.0001。00035。18721.000b1.0001。00028。3512。845a.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.DependentVariable:商品房平均售价(元/平方米)该表显示模型地拟合情况。从表中可以看出,模型地复相关系数(R)为1.000,判定系数(RSquare)为1.000,调整判定系数(AdjustedRSquare)为1.000,估计值地标准误差(Std。ErroroftheEstimate)为28。351,Durbin-Watson检验统计量为2.845,当DW≈2时说明残差独立.LDAYtRyKfE方差分析表ANOVAcModelSumofSquaresdfMeanSquareFSig。1Regression38305583。506138305583.50630938.620。000aResidual11143.03991238.115Total38316726.545102Regression38310296.5282