SPSS多元线性回归解析总结计划实例操作步骤.docx
《SPSS多元线性回归解析总结计划实例操作步骤.docx》由会员分享，可在线阅读，更多相关《SPSS多元线性回归解析总结计划实例操作步骤.docx（15页珍藏版）》请在冰豆网上搜索。
SPSS多元线性回归解析总结计划实例操作步骤
SPSS统计剖析
多元线性回归剖析方法操作与剖析
实验目的：
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、五年以上均匀年贷款利率和房子空置率作为变量，来研究上海房价的改动要素。
实验变量：
以年份、商品房均匀售价（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）、五年以上均匀年贷款利率（%）和房子空置率（%）作为变量。
实验方法：
多元线性回归剖析法
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.在最上边菜单里面选中Analyze——Regression——Linear，Dependent（因
变量）选择商品房均匀售价，Independents（自变量）选择城市人口密度、
城市居民人均可支配收入、五年以上均匀年贷款利率、房子空置率；Method
选择Stepwise.
进入以下界面：
2.点击右边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.点击右边Plots，选择*ZPRED（标准化展望值）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StandardizedResidual
Plots（标准化残差图）中的Histogram、Normalprobabilityplot；点击Continue.
4.点击右边Save，勾选PredictedVaniues（展望值）和Residuals（残差）选
项组中的Unstandardized；点击Continue.
5.点击右边Options，默认，点击Continue.
6.返回主对话框，单击OK.
输出结果剖析：
1.引入/剔除变量表
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>=.1
00）.
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>=.1
00）.
a.DependentVariable:
商品房均匀售价（元
/平方米）
该表显示模型最初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
Std.Errorofthe
ModelRRSquareAdjustedRSquareEstimateDurbin-Watson
1
2
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:
商品房均匀售价（元/平方米）
该表显示模型的拟合状况。
从表中能够看出，模型的复有关系数（R）
为，判断系数（RSquare）为，调整判断系数（AdjustedRSquare）为，估
计值的标准偏差（Std.ErroroftheEstimate）为，Durbin-Watson查验统计
量为，当DW≈2时说明残差独立。
3.方差剖析表
ANOVAc
Model
SumofSquares
df
MeanSquare
F
Sig.
1
Regression
.506
1
.506
.000a
Residual
9
Total
.545
10
2
Regression
.528
2
.264
.000b
Residual
8
Total.54510
ANOVAc
Model
SumofSquares
df
MeanSquare
F
Sig.
1
Regression
.506
1
.506
.000a
Residual
9
Total
.545
10
2
Regression
.528
2
.264
.000b
Residual
8
Total
.545
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:
商品房均匀售价（元
/平方米）
该表显示各模型的方差剖析结果。
从表中能够看出，模型的F统计量的察看值为，概率p值为，在明显性水平为的情况下，能够以为：
商品房均匀售价（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
Unstandardized
Standardized
Collinearity
Coefficients
Coefficients
Statistics
Model
B
Std.Error
Beta
T
Sig.
ToleranceVIF
1
（Constant）
.000
城市人口密度
（人/
.006
.000
平方公里）
2
（Constant）
.000
城市人口密度
（人/
.022
.951
.000
.050
平方公里）
城市居民人均可支配
.017
.007
.050
.042
.050
收入（元）
a.DependentVariable:
商品房均匀售价（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）、标准偏差（Std.Error）、常数（Constant）、标准化偏回归系数（Beta）、回归系数查验的t统计量观察值和相应的概率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），依据模型成立的多元多元线性回归方程为：
y=+x1+
方程中的常数项为，偏回归系数b1为，b2为，经T查验，b1和b2的概率p值分别为和，依据给定的明显性水平的情况下，均有明显性意义。
依据容差发现，自变量间共线性问题严重；VIF值为，也能够说明共线性较显然。
这可能是因为样本容量太小造成的。
5.模型外的变量
ExcludedVariablesc
CollinearityStatistics
Partial
Minimum
Model
BetaIn
t
Sig.
Correlation
ToleranceVIF
Tolerance
1
城市居民人均可支配
.050a
.042
.650
.050
.050
收入（元）
五年以上均匀年贷款
.815
.999
.999
利率（%）
房子空置率（%）
.004a
.596
.568
.206
.928
.928
2
五年以上均匀年贷款
.002b
.391
.708
.146
.913
.045
利率（%）
房子空置率（%）
.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:
商品房均匀售价（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查验，概率p值均大于，故不可以引入方程。
6.共线性诊疗
CollinearityDiagnosticsa
VarianceProportions
城市人口密度
城市居民人均可
Model
Dimension
Eigenvalue
ConditionIndex（Constant）
（人/平方公里）
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:
商品房均匀售价（元
/平方米）
该表是多重共线性查验的特点值以及条件指数。
关于第二个模型，最大特点值为，其他挨次迅速减小。
第三列的各个条件指数，能够看出有多重共线性。
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:
商品房均匀售价（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，没有超出默认值3，不可以发现奇怪值。
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
以判断标准化残差能否呈正态散布。
可是因为样本数只有11个，因此只好
大体判断其呈正态散布。
9.回归标准化的正态P-P图
该图回归标准化的正态P-P图，该图给出了观察值的残差散布与假定的正态散布的比较，由图可知标准化残差散点散布凑近直线，因此可判断标准化残差呈正态散布。
10.因变量与回归标准化展望值的散点图
该图显示的是因变量与回归标准化展望值的散点图，此中DEPENDENT为x轴变量，*ZPRED为y轴变量。
由图可见，两变量呈直线趋向。
附件：
原始数据：
自变量散点图：
由散点图能够看出，可进入剖析的变量为城市
人口密度、城市居民人均可支配收入。
升级会员 