spssau逐步回归分析操作.doc

《spssau逐步回归分析操作.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、逐步回归分析逐步回归分析研究X(自变量,通常为量数据)对Y(因变量,定量数据)的影响关系情况,X可以为多个,但并非所有X均会对Y产生影响;当X个数很多时,可以让系统自动识别出有影响的X;这一自动识别分析方法则称为逐步回归分析;如果全部X均没有显著性,此时系统默认返回回归分析结果分析步骤共为四步,分别是:l第一步:首先对模型情况进行分析首先分析最终余下的X情况;以及被模型自动排除在外的X;接着对模型拟合情况(比如R平方为0.3,则说明所有余下X可以解释Y30%的变化原因),模型共线性问题(VIF值小于5则说明无多重共线性).l第二步:分析X的显著性模型余下的X一定

2、具有显著性;具体分析X的影响关系情况即可.l第三步:判断X对Y的影响关系方向回归系数B值大于0说明正向影响,反之负向影响.l第四步:其它比如对比影响程度大小(回归系数B值大小对比X对Y的影响程度大小)分析项逐步回归分析说明网购满意度,重复购买意愿网购满意度20项;其中具体那几项会影响到样本重复购买意愿?20项过多,让软件自动删除掉没有影响的项,余下有影响的项分析结果表格示例如下:非标准化系数标准化系数tpVIFR2调整R2FB标准误Beta常数0.7740.384-2.0140.047*-0.3510.32614.188**分析项10.1980.0990.202

3、1.9980.048*1.320分析项20.4370.1240.3743.5190.001**1.320分析项30.0040.1240.0040.0340.9731.230*p<0.05**p<0.01备注:逐步回归分析仅在回归分析的基础上，加入了一项功能，即自动化移除掉不显著的X，通常逐步回归分析用于探索研究中。逐步回归分析之后，可对回归模型进行检验。可包括以下四项：ü多重共线性：可查看VIF值，如果全部小于10（严格是5），则说明模型没有多重共线性问题，模型构建良好；反之若VIF大于10说明模型构建较差。ü自相关性：如果D-W值在2附近（1.7~2.3之间）

4、，则说明没有自相关性，模型构建良好，反之若D-W值明显偏离2，则说明具有自相关性，模型构建较差。自相关问题产生时建议对因变量Y数据进行查看。ü残差正态性：在分析时可保存残差项，然后使用“正态图”直观检测残差正态性情况，如果残差直观上满足正态性，说明模型构建较好，反之说明模型构建较差。如果残差正态性非常糟糕，建议重新构建模型，比如对Y取对数后再次构建模型等。ü异方差性：可将保存的残差项，分别与模型的自变量X或者因变量Y，作散点图，查看散点是否有明显的规律性，比如自变量X值越大，残差项越大/越小，这时此说明有规律性，模型具有异方差性，模型构建较差。如果有明显的异方差

5、性，建议重新构建模型，比如对Y取对数后再次构建模型等。另外，如果回归分析出现各类异常，请查看数据中是否有异常值（可通过比如描述分析、箱盒图、散点图等查看），找出异常值，并且处理掉异常值（使用“异常值”功能）。也或者使用稳健回归（Robust回归进行分析，Robust回归是专门处理异常值情况下的回归模型）SPSSAU操作截图如下：