使用SPSS线性回归实现通径分析的方法.docx

《使用SPSS线性回归实现通径分析的方法.docx》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、使用SPSS线性回归实现通径分析的方法篇一：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1998~2021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.opendatadocument——opendat

2、a——open；2.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.进入如下界面：2.点击右侧Statistics，勾选RegressionCoefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewisediagn

3、ostics默认；接着选择Modelfit、Collinearitydiagnotics；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StandardizedResidualPlots（标准化残差图）中的Histogram、Normalprobabilityplot；点击Continue.4.点击右侧Save，勾选PredictedVaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.5.点击右侧Options，默认，

4、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（RSquare）为1.000，调整判定系数（AdjustedRSquare）为1.000，估计值的标准误差（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。篇二：用SPSS软件实现多元线性回归分

5、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：_202114390009__专业：________数学与应用数学_______________日期：________2021-10-27___________________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

6、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0.6750.972，0.6450.967，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0.0010.05。模型2的F值为176.627，Si

7、g.值为0000.05。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VIF10，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