SPSS多元线性回归分析实例操作步骤

创作时间：二零二一年六月三十天SPSS统计剖析之邯郸勺丸创作创作时间：二零二一年六月三十天多元线性回归剖析方法把持与剖析实验目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上均匀年存款利率和房子空置率作为变量,来研究上海房价的更改要素.实验变量：以年份、商品房均匀售价（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)、五年以上均匀年存款利率(%)和房子空置率(%)作为变量.实验方法：多元线性回归剖析法软件把持过程：第一步：导入Excel数据文件1.opendatadocument——opendata——open；2.Openingexceldatasource——OK.第二步：1.在最上边菜单里面选中Analyze——Regression——Linear,Dependent（因变量）选择商品房均匀售价,Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上均匀年存款利率、房子空置率；Method选择Stepwise.进入以下界面：2.点击右边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、Casewisediagnostics默认；接着选择Modelfit、Collinearitydiagnotics；点击Continue.点击右边Plots,选择*ZPRED（标准化展望值）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.点击右边Save,勾选PredictedVaniues（展望值）和Residuals（残差）选项组中的Unstandardized；点击Continue.创作时间：二零二一年六月三十天创作时间：二零二一年六月三十天点击右边Options,默认,点击Continue.返回主对话框,单击OK.输出结果剖析：VariablesEntered/Removed

aModelVariablesEnteredVariablesRemovedMethod1城市人口密度(人/平方公里).Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).2城市居民人均可支配收入(元).Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).a.DependentVariable:商品房均匀售价（元/平方米）该表显示模型最初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ModelSummarycStd.ErroroftheModelRRSquareAdjustedRSquareEstimateDurbin-Watson1a2ba.Predictors:(Constant),城市人口密度(人/平方公里)b.Predictors:(Constant),城市人口密度(人/平方公里),城市居民人均可支配收入(元)c.DependentVariable:商品房均匀售价（元/平方米）该表显示模型的拟合状况.从表中能够看出,模型的复有关系数（R）为1.000,判断系数（RSquare）为1.000,调整判断系数（AdjustedRSquare）为1.000,预计值的标准偏差（Std.ErroroftheEstimate）为,Durbin-Watson查验统计量为2.845,当DW≈2时说明残差自力.3.方差剖析表ANOVAcModelSumofSquaresdfMeanSquareFSig.1Regression1.000a创作时间：二零二一年六月三十天创作时间：二零二一年六月三十天Residual9Total102Regression2.000bResidual8Total10a.Predictors:(Constant),城市人口密度(人/平方公里)b.Predictors:(Constant),城市人口密度(人/平方公里),城市居民人均可支配收入(元)c.DependentVariable:商品房均匀售价（元/平方米）该表显示各模型的方差剖析结果.从表中能够看出,模型的F统计量的察看值为,概率p值为0.000,在明显性水平为0.05的情况下,能够以为：商品房均匀售价（元/平方米）与城市人口密度(人/平方公里),和城市居民人均可支配收入(元)之间有线性关系.回归系数CoefficientsaStandardizeUnstandardizeddCollinearityCoefficientsCoefficientsStatisticsTolerancModelBStd.ErrorBetaTSig.eVIF1(Constant).000城市人口密度(人/平.006.000方公里)2(Constant).000城市人口密度(人/平.022.951.000.050方公里)城市居民人均可支配.017.007.050.042.050收入(元)a.DependentVariable:商品房均匀售价（元/平方米）该表为多元线性回归的系数列表.表中显示了模型的偏回归系数（B）、标准偏差（Std.Error）、常数（Constant）、标准化偏回归系数（Beta）、回归系数查验的t统计量观察值和相应的创作时间：二零二一年六月三十天创作时间：二零二一年六月三十天概率p值（Sig.）、共线性统计量显示了变量的容差Tolerance）和方差膨胀因子（VIF）.令x1示意城市人口密度(人/平方公里),x2示意城市居民人均可支配收入(元),依据模型成立的多元多元线性回归方程为：x1x2方程中的常数项为1555.506,偏回归系数b1为1.020,b2为0.017,经T查验,b1和b2的概率p值分别为0.000和0.042,依据给定的明显性水平0.10的情况下,均有明显性意义.依据容差发现,自变量间共线性问题严重；VIF值为20.126,也能够说明共线性较显然.这可能是因为样本容量太小造成的.模型外的变量ExcludedVariablescCollinearityStatisticsPartialTolerancMinimumModelBetaIntSig.CorrelationeVIFTolerance1城市居民人均可支配.050a.042.650.050.050收入(元)五年以上均匀年存款利率(%)

a.815.999.999房子空置率(%).004a.596.568.206.928.9282五年以上均匀年存款.002b.391.708.146.913.045利率(%)房子空置率(%).002b.452.665.168.914.049a.PredictorsintheModel:(Constant),城市人口密度(人/平方公里)b.PredictorsintheModel:(Constant),城市人口密度(人/平方公里),城市居民人均可支配收入(元)c.DependentVariable:商品房均匀售价（元/平方米）该表显示的是回归方程外的各模型变量的有关统计量,可见模型方程外的各变量偏回归系数经重查验,概率p值均大年夜于0.10,故不可以引入方程.6.共线性诊疗创作时间：二零二一年六月三十天创作时间：二零二一年六月三十天CollinearityDiagnostics

aVarianceProportions城市人口密度城市居民人均可ModelDimensionEigenvalueConditionIndex(Constant)(人/平方公里)支配收入(元)11.05.052.102.95.9521.00.00.002.106.21.03.003.003.78.97a.DependentVariable:商品房均匀售价（元/平方米）该表是多重共线性查验的特点值以及条件指数.对第二个模型,最大年夜特点值为2.891,其他挨次迅速减小.第三列的各个条件指数,能够看出有多重共线性.残差统计量ResidualsStatisticsaMinimumMaximumMeanStd.DeviationNPredictedValue11Residual.00011Std.PredictedValue.00011Std.Residual.000.89411a.DependentVariable:商品房均匀售价（元/平方米）该表为回归模型的残差统计量,标准化残差（Std.Residual）的绝对值最大年夜为1.659,没有超越默认值3,不可以发现奇怪值.回归标准化残差的直方图创作时间：二零二一年六月三十天创作时间：二零二一年六月三十天该图为回归标准化残差的直方图,正态曲线也被显示在直方图上,用以判断标准化残差能否呈正态散布.但是因为样本数只有11个,因此只好大年夜概判断其呈正态散布.该图回归标准化的正态P-P图,该图给