SPSS多元线性回归分析报告实例操作步骤.docx
《SPSS多元线性回归分析报告实例操作步骤.docx》由会员分享，可在线阅读，更多相关《SPSS多元线性回归分析报告实例操作步骤.docx（14页珍藏版）》请在冰豆网上搜索。
SPSS多元线性回归分析报告实例操作步骤
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年某某市城市人口密度、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，来研究某某房价的变动因素。
实验变量：
以年份、商品房平均售价〔元/平方米〕、某某市城市人口密度（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
操作过程：
第一步：
导入Excel数据文件
1.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.
进入如下界面：
2.点击右侧Statistics，勾选RegressionCoefficients〔回归系数〕选项组中的Estimates；勾选Residuals〔残差〕选项组中的Durbin-Watson、Casewisediagnostics默认；接着选择Modelfit、Collinearitydiagnotics；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StandardizedResidualPlots〔标准化残差图〕中的Histogram、Normalprobabilityplot；点击Continue.
4.点击右侧Save，勾选PredictedVaniues〔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：
VariablesEntered/Removeda
Model
VariablesEntered
VariablesRemoved
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.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
ModelSummaryc
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
Durbin-Watson
1
a
2
b
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.DependentVariable:
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〔RSquare〕为1.000，调整判定系数〔AdjustedRSquare〕为1.000，估计值的标准误差〔Std.ErroroftheEstimate〕为，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
SumofSquares
df
MeanSquare
F
Sig.
1
Regression
1
.000a
Residual
9
Total
10
2
Regression
2
.000b
Residual
8
Total
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.DependentVariable:
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，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
Model
UnstandardizedCoefficients
StandardizedCoefficients
T
Sig.
CollinearityStatistics
B
Std.Error
Beta
Tolerance
VIF
1
（Constant）
.000
城市人口密度（人/平方公里）
.006
.000
2
（Constant）
.000
城市人口密度（人/平方公里）
.022
.951
.000
.050
城市居民人均可支配收入（元）
.017
.007
.050
.042
.050
a.DependentVariable:
商品房平均售价〔元/平方米〕
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：
x1x2
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
ExcludedVariablesc
Model
BetaIn
t
Sig.
PartialCorrelation
CollinearityStatistics
Tolerance
VIF
MinimumTolerance
1
城市居民人均可支配收入（元）
.050a
.042
.650
.050
.050
五年以上平均年贷款利率（%）
a
.815
.999
.999
房屋空置率（%）
.004a
.596
.568
.206
.928
.928
2
五年以上平均年贷款利率（%）
.002b
.391
.708
.146
.913
.045
房屋空置率（%）
.002b
.452
.665
.168
.914
.049
a.PredictorsintheModel:
（Constant）,城市人口密度（人/平方公里）
b.PredictorsintheModel:
（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
CollinearityDiagnosticsa
Model
Dimension
Eigenvalue
ConditionIndex
VarianceProportions
（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
.05
.05
2
.102
.95
.95
2
1
.00
.00
.00
2
.106
.21
.03
.00
3
.003
.78
.97
a.DependentVariable:
商品房平均售价〔元/平方米〕
该表是多重共线性检验的特征值以与条件指数。
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。
7.残差统计量
ResidualsStatisticsa
Minimum
Maximum
Mean
Std.Deviation
N
PredictedValue
11
Residual
.000
11
Std.PredictedValue
.000
11
Std.Residual
.000
.894
11
a.DependentVariable:
商品房平均售价〔元/平方米〕
该表为回归模型的残差统计量，标准化残差〔Std.Residual〕的绝对值最大为1.659，没有超过默认值3，不能发现奇异值。
8.回归标准化残差的直方图
该图为回归标准化残差的直方图，正态曲线也被显示在直方图上，用以判断标准化残差是否呈正态分布。
但是由于样本数只有11个，所以只能大概判断其呈正态分布。
该图回归标准化的正态P-P图，该图给出了观测值的残差分布与假设的正态分布的比拟，由图可知标准化残差散点分布靠近直线，因而可判断标准化残差呈正态分布。
该图显示的是因变量与回归标准化预测值的散点图，其中DEPENDENT为x轴变量，*ZPRED为y轴变量。
由图可见，两变量呈直线趋势。
附件：
原始数据：
自变量散点图：
由散点图可以看出，可进入分析的变量为城市人口密度、城市居民人均可支配收入。
升级会员 