spss多元线性回归实例要点Word下载.docx

1、数据清理数据清理包括缺失值的填写和还需要使用SPSS分析工具来检查各个变量的数据完整性。单击“ ”-“ ”，将检查所输入的数据的缺失值个数以及百分比等。如图1-3所示：图1-3缺失值分析能源数据缺失值分析结果如表1-1所示：单变量统计N均值标准差缺失极值数目a计数百分比低高能源消费总量309638.506175.924.01煤炭消费量9728.997472.2592焦炭消费量874.611053.008原油消费量281177.511282.7446.7汽油消费量230.05170.270煤油消费量45.4066.1894柴油消费量392.34300.979燃料油消费量141.00313.467

2、3天然气消费量19.5622.044电力消费量949.64711.664原煤产量269125.9712180.68913.3焦炭产量291026.491727.7353.3原油产量181026.481231.7241240.0燃料油产量2590.72134.150516.7汽油产量215.18210.090煤油产量2048.4462.1301033.3柴油产量448.29420.675天然气产量29.2849.391电力产量954.74675.2300表2-1 能源消耗量与产量数据缺失值分析表1-1 能源消耗量与产量数据缺失值分析SPSS提供了填充缺失值的工具，点击菜单栏“ ”-“ ”，即可以

3、使用软件提供的几种填充缺失值工具，包括序列均值，临近点中值，临近点中位数等。结合本次实习数据的具体情况，我们不使用SPSS软件提供的替换缺失值工具，主要是手动将缺失值用零值来代替。1.1.3描述性数据汇总描述性数据汇总技术用来获得数据的典型性质，我们关心数据的中心趋势和离中趋势，根据这些统计值，可以初步得到数据的噪声和离群点。中心趋势的量度值包括：均值（mean），中位数（median），众数（mode）等。离中趋势量度包括四分位数（quartiles），方差（variance）等。SPSS提供了详尽的数据描述工具，单击菜单栏的“ ”-“ ”-“ ”，将弹出如图2-4所示的对话框，我们将所有变

4、量都选取到，然后在选项中勾选上所希望描述的数据特征，包括均值，标准差，方差，最大最小值等。由于本次数据的单位不尽相同，我们需要将数据标准化，同时勾选上“将标准化得分另存为变量”。图1-4 描述性数据汇总得到如表1-2所示的描述性数据汇总。极小值极大值方差9112616438142034.4123322900155834651.3781954611108824.85355551099.011273.2651621202.56277128991.74626242.3764.8964211.52027136890588.441157498261.261106485.947983004506464.9

5、53581427909.1711741.3881.379E89202992.281707.9982917256.1934341637.121085.3791178048.43249775.60126.79116075.9711032186.49208.77143585.12221932.3055.3943068.5351911388.52420.216176581.28516419.5242.3711795.341972536455935.003有效的 N （列表状态）表1-2 描述性数据汇总标准化后得到的数据值，以下的回归分析将使用标准化数据。如图1-5所示：图1-5 数据标准化我们还可以通

6、过描述性分析中的“ ”来得到各个变量的众数，均值等，还可以根据这些量绘制直方图。我们选取个别变量（能源消费总量）的直方图，可以看到我们因变量基本符合正态分布。如图1-6所示：图1-6能源消费总量1.2回归分析我们本次实验主要考察地区能源消费总额（因变量）与煤炭消费量、焦炭消费量、原油消费量、原煤产量、焦炭产量、原油产量之间的关系。以下的回归分析所涉及只包括以上几个变量，并使用标准化之后的数据。1.2.1参数设置1.单击菜单栏“ ”-“ ”，将弹出如图1-7所示的对话框，将通过选择因变量和自变量来构建线性回归模型。因变量：标准化能源消费总额；自变量：标准化煤炭消费量、标准化焦炭消费量、标准化原油

7、消费量、标准化原煤产量、标准化焦炭产量、标准化原油产量。自变量方法选择：进入，个案标签使用地名，不使用权重最小二乘法回归分析即WLS权重为空。图1-7选择线性回归变量还需要设置统计量的参数，我们选择回归系数中的“ ”和其他项中的“ ”。选中估计可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta。选中模型拟合度复选框：模型拟合过程中进入、退出的变量的列表，以及一些有关拟合优度的检验：R，R2和调整的R2, 标准误及方差分析表。如图1-8所示：图1-8 设置回归分析统计量3.在设置绘制选项的时候，我们选择绘制标准化残差图，其中的正态概率图是rankit图。同时还需要画出残差图，Y

8、轴选择：ZRESID，X轴选择: ZPRED。如图1-9所示：图1-9设置绘制左上框中各项的意义分别为:“DEPENDNT”因变量“ZPRED”标准化预测值“ZRESID”标准化残差“DRESID”删除残差“ADJPRED”调节预测值“SRESID”学生化残差“SDRESID”学生化删除残差 4. 许多时候我们需要将回归分析的结果存储起来，然后用得到的残差、预测值等做进一步的分析，“保存”按钮就是用来存储中间结果的。可以存储的有：预测值系列、残差系列、距离（Distances）系列、预测值可信区间系列、波动统计量系列。本次实验暂时不保存任何项。5. 设置回归分析的一些选项，有：步进方法标准单选

9、钮组：设置纳入和排除标准，可按P值或F值来设置。在等式中包含常量复选框：用于决定是否在模型中包括常数项，默认选中。如图1-10所示：图1-10设置选项1.2.2结果输出与分析在以上选项设置完毕之后点击确定，SPSS将输出一系列的回归分析结果。我们来逐一贴出和分析，并根据它得到最后的回归方程以及验证回归模型。表1-3所示，是回归分析过程中输入、移去模型记录。具体方法为：enter（进入）输入移去的变量模型输入的变量移去的变量方法Zscore（原油产量）, Zscore（原煤产量）, Zscore（焦炭消费量）, Zscore（原油消费量）, Zscore（煤炭消费量）, Zscore（焦炭产量）.输入表1-3 输入的变量2. 表1-4所示是模型汇总，R称为多元相关系数，R方（R2）代表着模型的拟合度。2. 我们可以看到该模型是拟合优度良好。模型汇总RR 方调整 R 方标准 估计的误差Sig.962.925.905.30692707.000表1-4 模型汇总3.表1-5所示是离散分析。 ，F的值较大,代表着该回归模型是显著。也称为失拟性检验。