使用SPSS线性回归实现通径分析的方法-教学范文

使用SPSS线性回归实现通径分析的方法-教学范文

[标签:标题]

篇一：SPSS多元线性回归分析实例操作步骤

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年上海市城市人口密度、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，来研究上海房价的变动因素。

实验变量：

以年份、商品房平均售价（元/平方米）、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：spss19.0

操作过程：

第一步：导入Excel数据文件

1. open data document——open data——open；

2. Opening excel data source——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Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；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Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.

4.点击右侧Save，勾选Predicted Vaniues（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：1.引入/剔除变量表

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

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（R Square）为1.000，调整判定系数（Adjusted R Square）为1.000，估计值的标准误差（Std. Error of the Estimate）为28.351，Durbin-Watson检验统计量为2.845，当DW≈2时说明残差独立。

篇二：用SPSS软件实现多元线性回归分析

哈尔滨商业大学

数学实验报告

实验题目：___用SPSS软件实现多元线性回归分析___ 姓名：____张彦琛____ 学号：_201214390009__ 专业：________数学与应用数学_______________ 日期：________2014-10-27___________________

一、实验目的

用SPSS软件来实现多元线性回归分析及其应用。二、实验内容

水泥凝固时放出的热量Y与水泥中的四种化学成分x1,x2,x3,x4有关，今测得一组数据如下，试用多元回归分析的方法建立模型。三、实验步骤及结论（一）实验步骤

把实验所用数据从Word文档复制到Excel，并进一步导入到SPSS数据文件中进行回归分析。选择菜单“分析—>回归—>线性”，为了解决多重共线性问题，采用逐步回归法。（二）实验结论表一：

表一显示了用逐步回归法得到了两个回归模型的拟合情况。由表可知，引入x4得到模型1，模型1的R方为0.675，调整R方为0.645，x4对y影响显著。同时又引入x1得到模型2，模型2的R方为0.972，调整R方为0.967，x4，x1对y影响最为显著。由0.675<0.972，0.645<0.967，且接近1，说明模型的拟合效果很好。

表二：

表二给出了两个回归模型的方差分析及检验结果。模型1的F值为22.799，Sig.值为0.001<0.05。模型2的F值为176.627，Sig.值为000<0.05。模型1,2都通过F检验，可见模型1与模型2在整体上都是显著的。表三:

表三给出了回归模型的非标准化估计系数、标准化估计系数、系数的显著性检验结果以及共线性统计量的方差膨胀因子VIF。在模型

1，2中，对应t统计量的Sig.的值均小于0.05，则说明每个系数对y的影响是显著的。共线性统计量中VIF<10，则克服了共线性的影响。模型1,2都通过了统计显著性检

验，由表可得两个回归模型。模型1：y=117.568-0.738x4 模型2：y=103.097+1.440x1-0.614x4 四、心得体会

1. 通过这次上机实验，我学会了用SPSS软件来实现多元线性回归分析，用所学的来解决实际问题。

2．通过老师的讲解，学会了如何操作SPSS软件，知道如何分析所得到的实验结果，读懂实验表格。

3.实际生活中很多的问题都会用到多元回归分析模型，因此应该充分了解多元回归分析的思想，将实际问题进行数字化，建立正确的模型。

篇三：SPSS常用分析方法操作步骤

SPSS常用分析方法操作步骤

一、单变量单因素方差分析

例题：某个年级有三个班，现在对他们的一次数学考试成绩进行随机抽（见下表），试在显著性水平0.005下检验各班级的平均分数有无显著差异（数据文件：数学考试成绩.sav）。（1）建立数学成绩数据文件。

（2）选择“分析”→“比较均值”→“单因素方差”，打开单因素方差分析窗口，将“数学成绩”移入因变量列表框，将“班级”移入因子列表框。

（3）单击“两两比较”按钮，打开“单因素ANOV A两两比较”窗口。

（4）在假定方差齐性选项栏中选择常用的LSD检验法，在未假定方差齐性选项栏中选择Tamhane’s检验法。在显著性水平框中输入0.05，点击继续，回到方差分析窗口。

（5）单击“选项”按钮，打开“单因素ANOV A选项”窗口，在统计量选项框中勾选“描述性”和“方差同质性检验”。并勾选均值图复选框，点击“继续”，回到“单因素ANOV A 选项”窗口，点击确定，就会在输出窗口中输出分析结果。

二、单变量多因素方差分析

研究不同温度与不同湿度对粘虫发育历期的影响，得试验数据如表5-7。分析不同温度和湿度对粘虫发育历期的影响是否存在着显著性差异（数据文件：粘虫.sav）。

（1）建立数据文件“粘虫.sav”。

（2）选择“分析”→“一般线性模型”→“单变量”，打开单变量设置窗口。

（3）分析模型选择：此处我们选用默认；

（4）比较方法选择：在窗口中单击“对比”按钮，打开“单变量：对比”窗口进行设置，单击“继续”返回；

（5）均值轮廓图选择：单击“绘制”按钮，设置比较模型中的边际均值轮廓图，单击“继续”返回；

（6）“两两比较”选择，用于设置两两比较检验，本例中设置为“温度”和

“湿度”。

三、相关分析

调查了29人身高、体重和肺活量的数据见下表，试分析这三者之间的相互关系。

（1）建立数据文件“学生生理数据.sav”。

（2）选择“分析”→“相关”→“双变量”，打开双变量相关分析对话框。

（3）选择分析变量：将“身高”、“体重”和“肺活量”分别移入分析变量框中。

（4）选择相关分析方法：在相关系数栏有三种相关系数，分别对应三种方法，供使用者选择。

（5）显著性检验：双侧检验、单侧检验。

（6）“标记显著性检验”复选项：选中该复选项，输出结果中在相关系数右上角用“*”表示显著性水平为5%，用“**”表示显著水平为1%。

（7）“选项”对话框：本例在统计时项选择“均值和标准差”，在缺失值选项选择默认，即“按对排除个案”。

四、回归分析

考察中国居民收入与消费支出的关系。数据文件名称“居民消费水平.sav”。变量说

明：GDPP：人均国内生产总值CONSP：人均居民消费

（1）建立数据文件“居民消费水平.sav”。

（2）选择“分析”→“回归”→“线性”，打开线性回归分析对话框。

（3）选择因变量和自变量：将人均居民消费“CONSP”移入因变量框中；

（4）在线性回归窗口中点击“统计量”，打开线性回归统计量窗口，对统计量进行设置。（5）在线性回归窗口中点击“绘制”，打开、“线性回归：图”窗口，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轴选择：ZRESID，X轴选择: ZPRED。

（7）在线性回归窗口中点击“选项”，打开、“线性回归：选项”窗口。◆步进方法标准单选钮组：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。