用spss软件进行一元线性回归分析.ppt

利用spss进行一元线性回归Case1：降水&纬度打开spss的数据编辑器，编辑变量视图

注意：因为我们的数据中“台站名”最多是5个汉字，所以字符串宽度最小为10才能全部显示。
编辑数据视图，将excel数据复制粘贴到spss中从菜单上依次点选：图形—旧对话框—散点/点状
定义简单分布，设置Y为年降水量，X为纬度

由散点图发现，降水量与纬度之间线性相关step2：做散点图从菜单上依次点选：分析—回归—线性
设置：因变量为“年降水量”，自变量为“纬度”
“方法”：选择默认的“进入”，即自变量一次全部进入的方法。
“统计量”：
勾选“模型拟合度”，在结果中会输出“模型汇总”表
勾选“估计”，则会输出“系数”表
“绘制”：在这一项设置中也可以做散点图
“保存”：
注意：在保存中被选中的项目，都将在数据编辑窗口显示。
在本例中我们勾选95%的置信区间单值，未标准化残差
“选项”：只需要在选择方法为逐步回归后，才需要打开

【统计量】按钮用于选择需要绘制的回归分析诊断或预测图。
可绘制的有标准化残差的直方图和正态分布图，应变量、预测值和各自变量残差间两两的散点图等。

许多时候我们需要将回归分析的结果存储起来，然后用得到的残差、预测值等做进一步的分析，保存按钮就是用来存储中间结果的。
可以存储的有：预测值系列、残差系列、距离（Distances）系列、预测值可信区间系列、波动统计量系列。下方的按钮可以让我们选择将这些新变量存储到一个新的SPSS数据文件或XML中。
注意：选项按钮只需要在选择方法为逐步回归后，才需要打开
“步进方法标准”单选钮组：设置纳入和排除标准，可按P值或F值来设置。
“在等式中包含常量”复选框：用于决定是否在模型中包括常数项，默认选中。
“缺失值”单选钮组：用于选择对缺失值的处理方式，可以是不分析任一选入的变量有缺失值的记录（按列表排除个案）而无论该缺失变量最终是否进入模型；不分析具体进入某变量时有缺失值的记录（按对排除个案）；将缺失值用该变量的均数代替（使用均值替代）。
【输入/移去的变量】
此表是拟合过程中变量输入/移去模型的情况记录，由于我们只引入了一个自变量，所以只出现了一个模型1（在多元回归中就会依次出现多个回归模型），该模型中“纬度”为进入的变量，没有移出的变量，具体的输入/移去方法为“输入”。

【模型汇总】
此表为所拟合模型的情况汇总，显示在模型1中：
相关系数R=0.904
拟合优度R方=0.816
调整后的拟合优度=0.813
标准估计的误差=92.98256

R方（拟合优度）：是回归分析的决定系数，说明自变量和因变量形成的散点与回归曲线的接近程度，数值介于0和1之间，这个数值越大说明回归的越好，也就是散点越集中于回归线上。

【Anova】（analysisofvariance方差分析）
此表是所用模型的检验结果，一个标准的方差分析表。
Sig.（significant）值是回归关系的显著性系数，sig.是F值的实际显著性概率即P值。当sig.<=0.05的时候，说明回归关系具有统计学意义。如果sig.>0.05，说明二者之间用当前模型进行回归没有统计学意义，应该换一个模型来进行回归。
由表可见所用的回归模型F统计量值=226.725，P值为0.000，因此我们用的这个回归模型是有统计学意义的，可以继续看下面系数分别检验的结果。
由于这里我们所用的回归模型只有一个自变量，因此模型的检验就等价与系数的检验，在多元回归中这两者是不同的。

【系数】
此表给出了包括常数项在内的所有系数的检验结果，用的是t检验，同时还会给出标化/未标化系数。可见常数项和“纬度”都是有统计学意义的。
由此得到年降水量与纬度之间的一元回归方程为：
Y=-82.188X+3395.584Case2:气温&降雨量给这个例子的目的是，看大家是否真的理解做散点图的意义
当散点图都不呈现线性关系，那有多少同学接着就做了一元线性回归？根本就没有在脑子里思考一下它究竟是不是一元线性关系。
希望大家在以后的软件学习中，要问自己做每一步操作的意义何在，不要机械的不思考的动手
Case3：大家用case1的数据，分析一下年蒸发量与纬度的关系。