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.docx](https://file1.bdocx.com/fileroot1/2023-2/3/95a911e1-910d-4025-8e1c-684e6c3c2be0/95a911e1-910d-4025-8e1c-684e6c3c2be01.gif)
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。