使用SPSS线性回归实现通径分析的方法

1、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19982008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. ope n data documentope n dataope n；2. Opening

2、excel data sourceOK.第二步：1. 在最上面菜单里面选中AnalyzeRegressionLinear ， 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

3、择 Model fit、 Colli nearity diag no tics ;点击 Con ti nue.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.

4、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

5、 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“分析一 &gt

6、;回归一>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，弓I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

7、。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

8、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。(

9、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ANOVA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ANOVA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 ANOVA 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

10、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

11、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” t “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，