spss多元线性回归实例要点

1、SPSS19.0实战之多元线性回归分析(2011120912:19:11)转载标签：分类：软件介绍文化线性回归数据(全国各地区能源消耗量与产量)来源，可点击协会博客数据挖掘栏：国泰安数据服务中心的经济研究数据库。11数据预处理数据预处理包括的内容非常广泛，包括数据清理和描述性数据汇总,数据集成和变换，数据归约，数据离散化等。本次实习主要涉及的数据预处理只包括数据清理和描述性数据汇总。般意义f的数据预处理题鋼失值值填写B和噪声数据的处理。于此我们只对数据做缺失值填充，但是依然将其统称数据清理。111数据导入与定义单击“打开数据文档”，将X1S格式的全国各地区能源消耗量与产量的数据导入SPSS中，

2、如图1-1所示。宜找范围(L)：直新建文件夹,个股日交易衍生指掠1團W聖股本变动文件1.XI8呈国各地區能源消费量更产量：刘疥冈1行业日克易衍生指标1冬司家件単©公司立件1能埜司丸件:惡月不股回报率走件畑股本娈动妄件淤.Zls文件名(N);全国各地反能源消费量冃产量Ms夷件粪型(D：Excel上丽旨.二对刃广根据观察値'昜小也字符串宽度图1-1导入数据导入过程中，各个字段的值都被转化为字符串型(String)，我们需要手动将相应的字段转回数值型。单击菜单栏的“”->“”将所选的变量改为数值型。如图1-2所示：砲宦丈变量属性已扫描的娈量列表无测量!角色娈量迴鸟£

3、爺S消费恵呈.-.、煤炭消费虽回|.、焦炭消费虽團.、厚油消费虽因，洱油消费虽因，煤油消费虽因，柴油消费虽図J.S煥料油消费量図J.S天撚气消费量.1:.-.、电力消费量凶I.J-.原煤严量凶I.J-.焦嵐严量因I门.Si原汹严量因I门.Si堀料油产量阂I.：/+汽油严虽.：.-.V煤油严虽回1.：/划柴油严虽囤j.V天熱气产量囤j，/.电力严量测邑级别（M）：建徴（§）娄型CD：歟字审，Z鱼色;输入gfj宽度理）：8小数Q未祈记的値:30属性凰,.値标签阿格迪：在网格中输比或编辑标签*您可銀在底部辅入耳他値当前变最.能源消费总盖标签也：已更改计数<标签119112119033

4、戸1珂24戸145255严146616严147257147438155159j=1590410B1590511160471216622已扫描的伞家:値列表限制:30200貫制鶴性,_丛另一g舍妻量迥in'-到其他变量未标记的值自动折签确定丨粘贴©J重置迟取消帮助图1-2定义变量数据类型1.1.2数据清理数据清理包括缺失值的填写和还需要使用SPSS分析工具来检查各个变量的数据完整性。单击“”->“”，将检查所输入的数据的缺失值个数以及百分比等。如图1-3所示：图1-3缺失值分析能源数据缺失值分析结果如表1-1所示:单变量统计N均值标准差缺失极值数目a计数百分比低高能源消费

5、总量309638.506175.9240.001煤炭消费量309728.997472.2590.002焦炭消费量30874.611053.0080.002原油消费量281177.511282.74426.701汽油消费量30230.05170.2700.001煤油消费量2845.4066.18926.704柴油消费量30392.34300.9790.002燃料油消费量30141.00313.4670.003天然气消费量3019.5622.0440.002电力消费量30949.64711.6640.003原煤产量269125.9712180.689413.302焦炭产量291026.491727

6、.73513.302原油产量181026.481231.7241240.000燃料油产量2590.72134.150516.703汽油产量26215.18210.090413.302煤油产量2048.4462.1301033.300柴油产量26448.29420.675413.301天然气产量2029.2849.3911033.303电力产量30954.74675.2300.000表2-1能源消耗量与产量数据缺失值分析表1-1能源消耗量与产量数据缺失值分析SPSS提供了填充缺失值的工具，点击菜单栏“”->“”，即可以使用软件提供的几种填充缺失值工具，包括序列均值，临近点中值，临近点中位数

7、等。结合本次实习数据的具体情况，我们不使用SPSS软件提供的替换缺失值工具，主要是手动将缺失值用零值来代替。1.1.3描述性数据汇总均值（mean），中位数（median），众数（mode）|等离趋势量度包四分位数（quartiles）方差（variance）描述性数据汇总技术用来获得数据的典型性质，我们关心数据的BBS势和离中趋势|根据这些统计值，可以初步得到数据的噪声和离群点。中心趋势的量度值括四分位数他凰層），働差等。SPSS提供了详尽的数据描述工具，单击菜单栏的“”-“”->“”，将弹出如图2-4所示的对话框，我们将所有变量都选取到，然后在选项中勾选上所希望描述的数据特征，包括均

8、值，标准差，方差，最大最小值等。由于本次数据的单位不尽相同，我们需要将数据标准化，同时勾选上“将标准化彳得分另存为变量”图1-4描述性数据汇总得到如表1-2所示的描述性数据汇总。N极小值极大值均值标准差方差能源消费总量30911261649638.506175.92438142034.412煤炭消费量30332290019728.997472.25955834651.378焦炭消费量30195461874.611053.0081108824.853原油消费量30055551099.011273.2651621202.562汽油消费量3018771230.05170.27028991.746煤油

9、消费量30026242.3764.8964211.520柴油消费量30271368392.34300.97990588.441燃料油消费量3001574141.00313.46798261.261天然气消费量30110619.5622.044485.947电力消费量30983004949.64711.664506464.953原煤产量300581427909.1711741.3881.379E8焦炭产量3009202992.281707.9982917256.193原油产量2904341637.121085.3791178048.432燃料油产量30049775.60126.79116075.

10、971汽油产量3001032186.49208.77143585.122煤油产量30021932.3055.3943068.535柴油产量3001911388.52420.216176581.285天然气产量30016419.5242.3711795.341电力产量30972536954.74675.230455935.003有效的N（列表状态）29标准化后得到的数据值，以下的回归分析将使用标准化数据。如图1-5表1-2描述性数据汇总所示:L礫油消费量£燃料油消费量工夭然气消费量疋电力消费量煤1I-.71385-.29652.95687-.464622-.48280-.10808-.

11、37818-.708083.305B2-.27G49-759G91.103314-.41716-.41769-.61407.208005.33330-.41000-.33483-.090965.64927.28625-.29290.39153'7-.29435-.32192-.6U9B-.75404B.2B403-30036.22561-.495719-07098'.2.12077.25827.0969210.64731.19160.532722.27651111.49541.31805-.347791.3483712-.50649-8084-.79870-.4036213-.

12、04061.10362-.86130-.11G3614-.-26166-.36527-.85631-.69747152.75310.52034.137601.9143916-.15394-.22532.49779.821411734646-.04788-.58594-.0771210-.16700-.-31569-.69436-.2541419：240284.67067-23m.'3.88E742G-.194153730J-.83181-.5201621-1.09454-.413B2-1.197172労-.6B375-.44132.929E5-.7650423：-.12537-.419

13、60.cri/hbLis>witj2001据标准我们还可以通过描述性分析中的“来得到各个变量的众数，均值等，还可以根据这些量绘制直方图。我们选取个别变量（能源消费总量）的直方图，可以看到我们因变量基本符合正态分布。如图1-6所示：数据标准化图1-6能源消费总量我们本次实验主要考察地区能源消费总因M与煤炭消费量、焦炭消费量、原油消费量、原煤产量、焦炭产量、原油产量之间的关系。以下的回归分析所涉及只包括以上几个变量，曲使用标准化之后的数据1.2.1参数设置1.单击菜单栏“”->“”->“”，将弹出如图1-7所示的对话框，将通过选择因变量和自变量来构建线性回归模型。因变量：标准化能

14、源消费总额；自变量：标准化煤炭消费量、标准化焦炭消费量、标准化原油消费量、标准化原煤产量、化焦炭产量、标准化原油产量。自变量方法选择：进入，个案标签使用地名图1-7选择线性回归变量还需要设置统计量的参数，我们选择回归系数中的“”和其他项中的“”。选中估计可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta。选中模型拟合度复选框：如图1-8所示468自变量B1910込121g1418迪20211516172324析表践性回归拟合优度的检验：R,R2和调整的R2,标准误及方差分量的列表，以及一些有关图1-8设置回归分析统计量3在设置绘制选项的时候，我们选择绘制标准化残差图，其中的正

15、态概率图是rankit图。同时还需要画出残差图，Y轴选择：ZRESID,X轴选择:ZPRED。女口图1-9所示：碑煤产量疋焦炭产量疋原油产量聘料油产量伞油产因变量:於ZE.core（?X炭消费量）商炭澄.一鬥炉Zscore消费量）ZM炭菇矽Zscored油消费量）iZl¥泗消厂方法迦）:-.02721-.57044-.59626辰方可阿可门融!asm£门厅jj打陽屣im02UOT-.42222-.58700-.59626.33279疔案标整©:WLS菽重凹?重置但）-.'3.3379.05684选择娈量目:粘贴©晶年度标说晁地区代酹晶地国客称能源

16、消费总量击煤炭消费量焦炭消费重电原油消费量鼻,純油消费呈心煤油消费量將由消费虽燃料油消费虽天然气消费虽电力消赞量G原煤产量焦炭产屋品原油产量燃料油产量£汽油产量统计量回保酌选观（0ynotstrap（B>.下一张如的1上业帮助取消确定蘇煤产量Z焦炭产量稠油产量2燃料油产量殆油产&&地区代码医1娈(D)：锻年度标识J-倉Zscore消费总對慣源消厂却的1上一下一张四应,能源消费总量R煤鮒费量趴隹炭消费量原油消费呈込漏由消费量煤油消费量柴油消费量仝燃料油消费量天熱气消费量电力消费量原煤产屋焦廣严量原油产量燃料油产量&S浮油产量统计自变量签绘制保存选项QT.陀

17、线性回ifr；旦ootstrapfEiV方法辿)：进入r选择变量：1规则矗案标赛®*爭工虽眈膘炭消费虽)鎳炭消少Zor日瞟国消费對.ZM炭消空工如“已偉油消费量)工原汩消FDEPENDVPRED*ZRESID*DRESID*ADJPRErSRESID*SDRESID确逹22-.33379口匚口口WLS杈重砂;粘贴迟)重置®取消标准也残序直方樓S正态松-.42222,.-.50700-.59fp2Gk图1-9设置绘制左上框中各项的意义分别为： “DEPENDNT”因变量 “ZPRED”标准化预测值 “ZRESID”标准化残差 “DRESID”删除残差 “ADJPRED”调节预

18、测值 “SRESID”学生化残差 “SDRESID”学生化删除残差4.许多时候我们需要将回归分析的结果存储起来，然后用得到的残差、预测值等做进一步的分析，“保存”按钮就是用来存储中间结果的。可以存储的有：预测值系列、残差系列、距离(Distances)系列、预测值可信区间系列、波动统计量系列。本次实验暂时不保存任何项。因变量匸）旦变量©规则Q-站I13E：疇线性回归:图1-10设置选项在以上选项设置完毕之后点击确定，SPSS将输出一系列的回归分析结果并根据它得到最后的回归方程以及验证回归模型。!：线性回归5.设置回归分析的一些选项，有：步进方法标准单选钮组：设置纳入和排除标准，可按P

19、值或F值来设置。在等式中包含常量复选框：用于决定是否在模型中包括常数项，默认选中。如图1-10所示：-.893'-.60S'shLmcj2!J£PtE右法遡：进忑步送方法标准逬.05趣用F値过31叼在等式中包営'就失佰按列表排际彳O按也排降个爭静使用均擔替牯療碍辭壷消费對：辭炭消妙Zi'ared消费量川礁炭洎炉ZscoreaEh消费量）刀由消选择变量C©：cri/ribLi5.帮取.创州细n日.cm.确疋粘贴云'重置®卫肖,曲年度标讦晁地厦代码島地区名称能涯消费总量%煤炭消费量ij焦炭消费量原油消费量&污由消费星煤油

20、消贤虽柴油消费量it燃料油消费量天能冕消赁虽&:、电力消费量原煤广量焦炭产呈原油厂量吧燃斜油产量晶汽油产量VJLS权重凹:r11统计量绘制，”保存述.!_!选项.，BoaUtrap（B）.岛地厦名称摻西U恥能职消赞总量）厲亡蘇沖下一张砂厂块1的1上他I输入/移去的变量模型输入的变量移去的变量方法输入Zscore（原油产量），Zscore（原煤产量），Zscore（焦炭消费量），Zscore（原油消费量），Zscore（煤炭消费量），Zscore（焦炭产量）表1-3输入的变量2.表1-4所示是型汇总，R称为多元相关系数，|R方代表着模型的拟度。2.我们可以看到该模型是拟合优度良好。模型汇

21、总模型1平方和df均方F回归25.66064.27745.397残差2.07222094总计27.73228模型汇总模型RR方调整R方标准估计的误差Sig.196292590530692707000表1-5离散分析4.表1-6所示的是回归方程的系数，凰据这些系数我们能够得到完整的多元回归方程。观测以下的回归值，都是具有统计学意义的。因而，得到的多元线性回归方程：Y=0.008+1.061X+0.087x2+0.157x3-0.365x4-0.105x5-0.017x6123456为原油产量，Y是能源消费总量）（x1为煤炭消费量，x2为焦炭消费量，x3为原油消费量，x4为原煤产量，x5为原炭产量，x6结论：能量消费总量由主要与煤炭消费总量所影响，成正相关；与原煤产量成一定的反比系数非标准化系数标准系数tSig.B标准