spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读 |
您所在的位置:网站首页 › 非线性回归方程公式详细步骤 › spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读 |
品牌型号:联想GeekPro 2020 系统: Windows 10 64位专业版 软件版本: IBM SPSS Statistics spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。 一、spss多元线性回归分析操作步骤 spss多元线性回归分析,用于研究多个自变量与因变量的线性相关关系。本文会以研究客流量、销售量与销售额的线性相关关系为例,演示一下spss多元线性回归方程的分析过程。 本例使用的数据如图1所示,客流量、销售量作为自变量,销售额作为因变量。 图1:销售额与客流量数据
依次单击spss的回归-线性分析,多元线性与一元线性回归相似,都是使用线性回归分析,只是在自变量的设置上,多元线性回归分析会包含多个自变量,而一元线性回归只会包含一个自变量。 图2:线性回归
变量设置,将客流量、销售量设置为自变量,将销售额设置因变量,以研究客流量、销售量与销售额之间的回归关系。 图3:变量设置
设定统计量以计算回归方程的系数,检验系数的显著性以方程的拟合优度,以检验方程的预测准确度,可勾选以下统计量: 1. 勾选回归系数中的“估算值”并设定为95%置信区间,用于检验回归系数的显著性。 2.勾选“模型拟合”,检验回归模型的拟合优度,以确认方程的预测准确性。 3. 勾选“描述”统计量,了解数据的基本特征,如平均值、方差等,查看数据的离散程度。 图4:统计量
图表设定,勾选“直方图”与“正态概率图”,了解回归方程的残差数据分布,以检验残差是否服从正态分布,以满足回归分析的假设。 图5:图表
二、spss多元线性回归分析结果解读 完成以上设置后,进行spss的运算并解读结果。 首先,先观察回归方程的残差直方图(残差的分布),可观察到残差服从正态分布,满足了线性回归模型的对于残差正态性的要求。 图6:标准化残差直方图
正态P-P图,预期累积概率与实测累积概率的分布趋近于一条直线,同样说明了回归方程的残差服从正态分布。 图7:正态P-P图
在满足残差正态分布的前提下,检验模型的拟合优度,模型的调整后R方数值为0.976,接近于1,说明模型的拟合优度高。 图8:模型拟合优度
在满足残差正态性分布、回归模型拟合优度高的前提下,观察所得回归方程的回归系数的显著性。 从系数分析表看到,回归方程的客流量与销售量系数为0.05,常量回归系数不显著,说明其数值对回归方程的影响意义不大。 根据以上系数检验结果列出以下方程:y=1.74x1+53.265x2 图9:系数显著性
三、怎么判断变量间是否存在线性关系 通过以上的讲述,我们知道怎么运用spss进行多元线性回归分析,但需要确认数据满足线性分布才能进行多元回归分析。那么,在进行运算前,怎么确认数据变量间是否存在线性关系? 最简单的方法是运用散点图观察数据的分布,以确认变量间是否存在线性关系。以一组简单的客流量与销售额数据为例。 图10:销售额与客流量数据
使用以上数据绘制散点图(可在spss的图表功能中绘制),如图11所示,可以看到,销售额与客流量的数据呈现线性分布,趋势比较明显,说明该组数据可构建线性回归模型进行分析。 如果在散点图中,变量的分布不符合线性分布,就需要使用spss的其他非线性回归分析方法,不能简单套用以上线性回归操作。 图11:销售额与客流量散点图
四、小结 以上就是关于spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读的相关内容。spss多元线性回归是在一元线性回归的基础上,构建多个自变量的线性回归方程,需要满足残差正态分布的假设,进行方程拟合优度、回归系数显著性的检验。
作者:泽洋 |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |