SPSS多元線性回歸分析實例操作步驟spss做多元線性回歸

SPSS統計分析多元線性回歸分析辦法操作與分析實驗目的：引入1998~上海市都市人口密度、都市居民人均可支配收入、五年以上平均年貸款利率和房屋空置率作為變量，來研究上海房價的變動因素。實驗變量：以年份、商品房平均售價（元/平方米）、上海市都市人口密度(人/平方公里)、都市居民人均可支配收入(元)、五年以上平均年貸款利率(%)和房屋空置率(%)作為變量。實驗辦法：多元線性回歸分析法軟件：spss19.0操作過程：第一步：導入Excel數據文獻

opendatadocument——opendata——open；2.Openingexceldatasource——OK.第二步：1.在最上面菜單里面選中Analyze——Regression——Linear

，Dependent（因變量）選擇商品房平均售價，Independents（自變量）選擇都市人口密度、都市居民人均可支配收入、五年以上平均年貸款利率、房屋空置率；Method選擇Stepwise.進入以下界面：2.點擊右側Statistics，勾選RegressionCoefficients（回歸系數）選項組中的Estimates；勾選Residuals（殘差）選項組中的Durbin-Watson、Casewisediagnostics默認；接著選擇Modelfit、Collinearitydiagnotics；點擊Continue.3.點擊右側Plots，選擇*ZPRED（原則化預測值）作為縱軸變量，選擇DEPENDNT（因變量）作為橫軸變量；勾選選項組中的StandardizedResidualPlots（原則化殘差圖）中的Histogram、Normalprobabilityplot；點擊Continue.4.點擊右側Save，勾選PredictedVaniues（預測值）和Residuals（殘差）選項組中的Unstandardized；點擊Continue.5.點擊右側Options，默認，點擊Continue.6.返回主對話框，單擊OK.輸出成果分析：1.引入/剔除變量表VariablesEntered/RemovedaModelVariablesEnteredVariablesRemovedMethod1都市人口密度(人/平方公里).Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).2都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:商品房平均售價（元/平方米）該表顯示模型最先引入變量都市人口密度(人/平方公里)，第二個引入模型的是變量都市居民人均可支配收入(元)，沒有變量被剔除。模型匯總ModelSummarycModelRRSquareAdjustedRSquareStd.ErroroftheEstimateDurbin-Watson11.000a1.0001.00035.18721.000b1.0001.00028.3512.845a.Predictors:(Constant),都市人口密度(人/平方公里)b.Predictors:(Constant),都市人口密度(人/平方公里),都市居民人均可支配收入(元)c.DependentVariable:商品房平均售價（元/平方米）該表顯示模型的擬合狀況。從表中能夠看出，模型的復有關系數（R）為1.000，鑒定系數（RSquare）為1.000，調節(jié)鑒定系數（AdjustedRSquare）為1.000，預計值的原則誤差（Std.ErroroftheEstimate）為28.351，Durbin-Watson檢查統計量為2.845，當DW≈2時闡明殘差獨立。方差分析表ANOVAcModelSumofSquaresdfMeanSquareFSig.1Regression38305583.506138305583.50630938.620.000aResidual11143.03991238.115Total38316726.545102Regression38310296.528219155148.26423832.156.000bResidual6430.0188803.752Total38316726.54510a.Predictors:(Constant),都市人口密度(人/平方公里)b.Predictors:(Constant),都市人口密度(人/平方公里),都市居民人均可支配收入(元)c.DependentVariable:商品房平均售價（元/平方米）該表顯示各模型的方差分析成果。從表中能夠看出，模型的F統計量的觀察值為23832.156，概率p值為0.000，在明顯性水平為0.05的情形下，能夠認為：商品房平均售價（元/平方米）與都市人口密度(人/平方公里),和都市居民人均可支配收入(元)之間有線性關系。回歸系數CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientsTSig.CollinearityStatisticsBStd.ErrorBetaToleranceVIF1(Constant)1652.24624.13768.454.000都市人口密度(人/平方公里)1.072.0061.000175.894.0001.0001.0002(Constant)1555.50644.43235.009.000都市人口密度(人/平方公里)1.020.022.95146.302.000.05020.126都市居民人均可支配收入(元).017.007.0502.422.042.05020.126a.DependentVariable:商品房平均售價（元/平方米）該表為多元線性回歸的系數列表。表中顯示了模型的偏回歸系數（B）、原則誤差（Std.Error）、常數（Constant）、原則化偏回歸系數（Beta）、回歸系數檢查的t統計量觀察值和對應的概率p值（Sig.）、共線性統計量顯示了變量的容差（Tolerance）和方差膨脹因子（VIF）。令x1表達都市人口密度(人/平方公里)，x2表達都市居民人均可支配收入(元)，根據模型建立的多元多元線性回歸方程為：y=1555.506+1.020x1+0.017x2方程中的常數項為1555.506，偏回歸系數b1為1.020，b2為0.017，經T檢查，b1和b2的概率p值分別為0.000和0.042，按照給定的明顯性水平0.10的情形下，都有明顯性意義。根據容差發(fā)現，自變量間共線性問題嚴重；VIF值為20.126，也能夠闡明共線性較明顯。這可能是由于樣本容量太小造成的。模型外的變量ExcludedVariablescModelBetaIntSig.PartialCorrelationCollinearityStatisticsToleranceVIFMinimumTolerance1都市居民人均可支配收入(元).050a2.422.042.650.05020.126.050五年以上平均年貸款利率(%)-.001a-.241.815-.085.9991.001.999房屋空置率(%).004a.596.568.206.9281.078.9282五年以上平均年貸款利率(%).002b.391.708.146.9131.096.045房屋空置率(%).002b.452.665.168.9141.094.049a.PredictorsintheModel:(Constant),都市人口密度(人/平方公里)b.PredictorsintheModel:(Constant),都市人口密度(人/平方公里),都市居民人均可支配收入(元)c.DependentVariable:商品房平均售價（元/平方米）該表顯示的是回歸方程外的各模型變量的有關統計量，可見模型方程外的各變量偏回歸系數經重檢查，概率p值均不不大于0.10，故不能引入方程。共線性診療CollinearityDiagnosticsaModelDimensionEigenvalueConditionIndexVarianceProportions(Constant)都市人口密度(人/平方公里)都市居民人均可支配收入(元)111.8981.000.05.052.1024.319.95.95212.8911.000.00.00.002.1065.213.21.03.003.00330.736.78.971.00a.DependentVariable:商品房平均售價（元/平方米）該表是多重共線性檢查的特性值以及條件指數。對于第二個模型，最大特性值為2.891，其它依次快速減小。第三列的各個條件指數，能夠看出有多重共線性。殘差統計量ResidualsStatisticsaMinimumMaximumMeanStd.DeviationNPredictedValue3394.718382.835465.641957.30211Residual-47.03540.271.00025.35711Std.PredictedValue-1.0581.490.0001.00011Std.Residual-1.6591.420.000.89411a.DependentVariable:商品房平均售價（元/平方米）該表為回歸模型的殘差統計量，原則化殘差（Std.Residual）的絕對值最大為1.659，沒有超出默認值3，不能發(fā)現奇異值?；貧w原則化殘差的直方圖該圖為回歸原則化殘差的直方圖，正態(tài)曲線也被顯示在直方圖上，用以判斷原則化殘差與否呈正態(tài)分布。但是由于樣本數只有11個，因此只能大概判斷其呈正態(tài)分布