SPSS多元线性回归分析研究实例操作步骤

个人收集整理仅供参考学习1/13SPSS统计分析多元线性回归分析方法操作与分析实验目地：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，来研究上海房价地变动因素.b5E2RGbCAP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.p1EanqFDPw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.opendatadocument——opendata——open；个人收集整理仅供参考学习2/132.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.DXDiTa9E3d进入如下界面：2.点击右侧Statistics，勾选RegressionCoefficients（回归系数）选项组中地Estimates；勾选Residuals（残差）选项组中地Durbin-Watson、个人收集整理仅供参考学习3/13Casewisediagnostics默认；接着选择Modelfit、Collinearitydiagnotics；点击Continue.RTCrpUDGiT3.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；勾选选项组中地StandardizedResidualPlots（标准化残差图）中地Histogram、Normalprobabilityplot；点击Continue.5PCzVD7HxA个人收集整理仅供参考学习4/134.点击右侧Save，勾选PredictedVaniues（预测值）和Residuals（残差）选项组中地Unstandardized；点击Continue.jLBHrnAILg5.点击右侧Options，默认，点击Continue.个人收集整理仅供参考学习5/136.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)，第二个引入模型地是变量城市居民人均可支配收入(元)，没有变量被剔除.xHAQX74J0X2.模型汇总ModelSummarycVariablesEntered/RemovedaModelVariablesEnteredVariablesRemovedMethod1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）个人收集整理仅供参考学习6/13ModelRRSquareAdjustedRSquareStd.ErroroftheEstimateDurbin-Watson11.000a1.0001.00035.18721.000b1.0001.00028.3512.845a.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）该表显示模型地拟合情况.从表中可以看出，模型地复相关系数（R）为1.000，判定系数（RSquare）为1.000，调整判定系数（AdjustedRSquare）为1.000，估计值地标准误差（Std.ErroroftheEstimate）为28.351，Durbin-Watson检验统计量为2.845，当DW≈2时说明残差独立.LDAYtRyKfE3.方差分析表ANOVAcModelSumofSquaresdfMeanSquareFSig.1Regression38305583.506138305583.50630938.620.000aResidual11143.03991238.115Total38316726.545102Regression38310296.528219155148.26423832.156.000bResidual6430.0188803.752Total38316726.54510a.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）该表显示各模型地方差分析结果.从表中可以看出，模型地F统计量地观察值为23832.156，概率p值为0.000，在显著性水平为0.05地情形下，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.Zzz6ZB2Ltk4.回归系数Coefficientsa个人收集整理仅供参考学习7/13该表为多元线性回归地系数列表.表中显示了模型地偏回归系数（B）、标准误差（Std.Error）、常数（Constant）、标准化偏回归系数（Beta）、回归系数检验地t统计量观测值和相应地概率p值（Sig.）、共线性统计量显示了变量地容差（Tolerance）和方差膨胀因子（VIF）.dvzfvkwMI1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)，根据模型建立地多元多元线性回归方程为：rqyn14ZNXIy=1555.506+1.020x1+0.017x2方程中地常数项为1555.506，偏回归系数b1为1.020，b2为0.017，经T检验，b1和b2地概率p值分别为0.000和0.042，按照给定地显著性水平0.10地情形下，均有显著性意义.EmxvxOtOco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地.SixE2yXPq55.模型外地变量ModelUnstandardizedCoefficientsStandardizedCoefficientsTSig.CollinearityStatisticsBStd.ErrorBetaToleranceVIF1(Constant)1652.24624.13768.454.000城市人口密度(人/平方公里)1.072.0061.000175.894.0001.0001.0002(Constant)1555.50644.43235.009.000城市人口密度(人/平方公里)1.020.022.95146.302.000.05020.126城市居民人均可支配收入(元).017.007.0502.422.042.05020.126a.DependentVariable:商品房平均售价（元/平方米）ExcludedVariablescModelBetaIntSig.PartialCorrelationCollinearityStatisticsToleranceVIFMinimumTolerance个人收集整理仅供参考学习8/13该表显示地是回归方程外地各模型变量地有关统计量，可见模型方程外地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.6ewMyirQFL6.共线性诊断该表是多重共线性检验地特征值以及条件指数.对于第二个模型，最大特征值为2.891，其余依次快速减小.第三列地各个条件指数，可以看出有多重共线性.kavU42VRUs7.残差统计量1城市居民人均可支配收入(元).050a2.422.042.650.05020.126.050五年以上平均年贷款利率(%)-.001a-.241.815-.085.9991.001.999房屋空置率(%).004a.596.568.206.9281.078.9282五年以上平均年贷款利率(%).002b.391.708.146.9131.096.045房屋空置率(%).002b.452.665.168.9141.094.049a.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）CollinearityDiagnosticsaModelDimensionEigenvalueConditionIndexVarianceProportions(Constant)城市人口密度(人/平方公里)城市居民人均可支配收入(元)111.8981.000.05.052.1024.319.95.95212.8911.000.00.00.002.1065.213.21.03.003.00330.736.78.971.00a.DependentVariable:商品房平均售价（元/平方米）个人收集整理仅供参考学习9/13该表为回归模型地残差统计量，标准化残差（Std.Residual）地绝对值最大为1.659，没有超过默认值3，不能发现奇异值.y6v3ALoS898.回归标准化残差地直方图该图为回归标准化残差地直方图，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.M2ub6vSTnPResidualsStatisticsaMinimumMaximumMeanStd.DeviationNPredictedValue3394.718382.835465.641957.30211Residual-47.03540.271.00025.35711Std.PredictedValue-1.0581.490.0001.00011Std.Residual-1.6591.420.000.89411a.DependentVariable:商品房平均售价（元/平方米）个人收集整理仅供参考学习10/139.回归标准化地正态P-P图该图回归标准化地正态P-P图，该图给出了观测值地残差分布与假设地正态分布地比较，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.0YujCfmUCw10.因变量与回归标准化预测值地散点图个人收集整理仅供参考学习11/13该图显示地是因变量与回归标准化预测值地散点图，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.eUts8ZQVRd附件：原始数据：个人收集整理仅供参考学习12/13自变量散点图：由散点图可以看出，可进入分析地变量为城市人口密度、城市居民人均可支配收入.版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整理.版权为个人所有Thisarticleincludessomeparts,includingtext,pictures,anddesign.Copyrightispersonalownership.sQsAEJkW5T用户可将本文地内容或服务用于个人学习、研究或欣赏，以及其他非商业性或非盈利性用途，但同时应遵守著作权法及其他相关法律地规定，不得侵犯本网站及相关权利人地合法