线性回归spss分析.docx

线性回归分析的具体步骤
SPSS软件中进行线性回归分析的选择项为Analyze→Regression→Linear。如图3.9所示。下面通过例题介绍线性回归分析的操作过程。

图3.9Regression分析功能菜单
例3.仍然用例2的数据，考察火柴销售量与各影响因素之间的相关关系，建立火柴销售量对于相关因素煤气户数、卷烟销量、蚊香销量、打火石销量的线性回归模型，通过对模型的分析，找出合适的线性回归方程。
解：建立线性回归模型的具体操作步骤如下：
1、打开数据文件SY-9，单击AnalyzeRegressionLinear打开Linear对话框如图3.10所示。
2、从左边框中选择因变量Y进入Dependent框内，选择一个或多个自变量进入Independent框内。从Method框内下拉式菜单中选择回归分析方法，有强行进入法(Enter)，消去法(Remove)，向前选择法(Forward)，向后剔除法(Backward)及逐步回归法(Stepwise)五种。本例中选择逐步回归法(Stepwise)。

图3.10LinearRegression对话框
3、单击Statistics，打开LinearRegression：Statistics对话框，可以选择输出的统计量如图3.11所示。
RegressionCoefficients栏，回归系数选项栏。
Estimates(系统默认):输出回归系数的相关统计量：包括回归系数，回归系数标准误、标准化回归系数、回归系数检验统计量（t值）及相应的检验统计量概率的P值（sig）。本例中只选择此项。
Confidenceintervals:输出每一个非标准化回归系数95％的置信区间。
Covariancematrix:输出协方差矩阵。
与模型拟合及拟合效果有关的选择项。
Modelfit是默认项。能够输出复相关系数R、R2及R2修正值，估计值的标准误，方差分析表。
Rsquaredchange:引入或剔除一个变量时，R2的变化。
Descriptives:基本统计描述。
PartandPartialcorrelations：相关系数及偏相关系数。
Collinearitydiagnostics：共线性诊断。主要对于多元回归模型，分析各自变量的之间的共线性的统计量：包括容忍度和方差膨胀因子、特征值，条件指数等。
本例中选择上面所有的统计项。
Residuals残差栏
Durbin-Watson：D.W检验.
Casewisediagnostics:奇异值诊断,有两个选项：
Outliersoutside()standarddeviations:奇异值判据，默认项标准差≥3。
Allcase输出所有观测量的残差值。
本例中选择D.W检验及奇异值诊断，选择标准差为2，即置信度约为95%。

图3.11LinearRegression：Statistics
4、如果需要观察图形，可单击Plots按纽，打开LinearRegression：Plots对话框如图3.12所示。在此对话框中可以选择所需要的图形。

图3.12LinearRegression：Plots对话框
在左上角的源变量框中，选择Dependent进入X（或Y）轴变量框，选择其它变量进入Y（或X）轴变量框，除因变量外，其客观存在变量依次是：ZPRED:标准化预测值，ZRESID:标准化残差，DRESID:剔除残差，ADJPRED:修正后预测值，SRESID学生化残差，SDRESID:学生化剔除残差。
StandardizedResidualPlots栏，标准化残差图类型，有选择项：
Histogram:标准化残差直方图
Normalprobabilityplot标准化残差序列的正态分布概率图.
Produceallpartialplots依次绘制因变量和所有自变量的散布图
本例中选择因变量Dependent与标准化残差ZRESID的残差图。
5、单击Options按纽，打开LinearRegression：Options对话框，如图3.13所示。可以从中选择模型拟合判断准则SteppingMethodCriteria及缺失值的处理方式。

图3.13LinearRegression：Options对话框
SteppingMethodCriteria栏，设置变量引入或剔除模型的判别标准。
UseprobabilityofF:采用F检验的概率为判别依据。
UseFvalue:采用F值作为检验标准。
Includeconstantinequation回归方程中包括常数项。
MissingValues缺失值的处理方式。本例中选择系统默认项。
6、如果要保存预测值等数据，可单击Save按纽打开LinearRegression：Save对