spss实现一元线性回归分析实例

《spss实现一元线性回归分析实例》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、SPSS实现一元线性回归分析实例2009-12-1415:311、准备原始数据。为研究某一大都市报开设周日版的可行性，获得了34种报纸的平日和周日的发行量信息(以千为单位)。数据如图1所示。SPSS17.0                                       图12、判断是否存在线性关系。制作直观散点图：（1）SPSS：菜单Analyze/Regression/linearRegression,如图2所示：                           图2（2）打开对话框如图3                     图3图3中，De

2、pendent是因变量，Independent是自变量，分别将左栏中的sunday选入因变量，daily选入自变量，newspaper作为标识标签选入caselabels.(3)点击图3对话框中的plots按钮，如图4所示：                  图4将因变量DEPENTENT选入Y:，自变量ZPRED选入X:continue返回上级对话框。单击主对话框OK.便生成散点图如图5所示：                                           图5从以上散点图可看出，二者变量之间关系趋势呈线性关系。2、回归方程菜单Analyze/

3、Regression/linearRegression，在图3对话框的右边单击statistics如图6所示：                           图6regressioncoefficient回归系数，estimates估计值，confidenceintervalslevel:95%置信区间，modelfit拟合模型。点击continue返回主对话框，单击OK.结果如图7、图8所示：                   图7图7中第一个图是变量的输入与输出，从图下的提示可知所有变量均输入与输出，没有遗漏。图7中的第二图是模型总和R值，R平方值，R调

4、整后的平方值，及标准误。                               图8图8中第一图为方差统计图，包括回归平方和，自由度，方程检验F值及P值。图8第二图为回归参数图，从图中可知，constant为回归方程截距，即13.836，回归系数为1.340，标准误分别为：35.804和0.071，及t检验值和95%的置信区间的最大值和最小值。因此回归方程可表示为：Y=1.34X+13.836。X因变量，即数据表中的daily,Y是因变量，即数据表中的sunday.SPSS实现一元线性回归分析实例2009-12-1415:311、准备原始数据。为研究某一大都市

5、报开设周日版的可行性，获得了34种报纸的平日和周日的发行量信息(以千为单位)。数据如图1所示。SPSS17.0                                       图12、判断是否存在线性关系。制作直观散点图：（1）SPSS：菜单Analyze/Regression/linearRegression,如图2所示：                           图2（2）打开对话框如图3                     图3图3中，Dependent是因变量，Independent是自变量，分别将左栏中的sunday选入因变量，d

6、aily选入自变量，newspaper作为标识标签选入caselabels.(3)点击图3对话框中的plots按钮，如图4所示：                  图4将因变量DEPENTENT选入Y:，自变量ZPRED选入X:continue返回上级对话框。单击主对话框OK.便生成散点图如图5所示：                                           图5从以上散点图可看出，二者变量之间关系趋势呈线性关系。2、回归方程菜单Analyze/Regression/linearRegression，在图3对话框的右边单击statistic

7、s如图6所示：                           图6regressioncoefficient回归系数，estimates估计值，confidenceintervalslevel:95%置信区间，modelfit拟合模型。点击continue返回主对话框，单击OK.结果如图7、图8所示：                   图7图7中第一个图是变量的输入与输出，从图下的提示可知所有变量均输入与输出，没有遗漏。图7中的第二图是模型总和R值，R平方值，R调整后的平方值，及标准误。                               图8图