IBM Business Partner

IBM SPSS Statistics 中文网站 > 使用技巧 > IBM SPSS Statistics进行多自变量的多元线性回归分析

IBM SPSS Statistics进行多自变量的多元线性回归分析

发布时间:2021/08/11

IBM SPSS Statistics的多元线性回归研究的是多个自变量与单个因变量的回归关系,与一元线性回归方程相比,多元线性回归方程更有实际性意义。因在实际的研究中,一个现象总是由多个因素影响,而很难局限于单因素影响。

如果您已经学习过一元线性回归方程,那么,多元线性回归将会变得非常简单,实际上,多元线性回归方程只是在一元线性回归方程的基础上,增加多个自变量。

一、数据准备

接下来,我们以一组包含客流量、销售额与销售量的数据组为例,演示一下多元线性回归方程的分析过程。

图1:销售额与客流量数据
图1:销售额与客流量数据

二、线性回归分析

与一元线性回归方程相同,多元线性回归方程使用的是SPSS的线性回归分析方法。

图2:线性回归

三、变量设置

只是在变量设置的过程中,多元线性回归方程会加入多个自变量。在本例中,如图3所示,我们将客流量与销售量都设置为自变量,以研究两者与销售额之间的回归关系。

图3:变量设置
图3:变量设置

在统计量的设定上:

1. 为了检验回归方程系数的显著性,需勾选回归系数中的“估算值”并将其置信区间设定为95%(当然,您也可以放低要求设为90%)。

2. 为了检验回归模型的拟合优度,需勾选“模型拟合”

3. 同时勾选“描述”统计量,了解数据的基本特征

图4:统计量

在图标的设定上,可同时勾选“直方图”与“正态概率图”,了解数据的残差是否服从正态分布,以检验回归方程的显著性。

图5:图表
图5:图表

三、结果解读

完成以上设置后,我们先来看一下销售额的标准化残差直方图,可以观察到,销售额的标准化残差服从正态分布,大部分的标准化残差分布在-2到2之间。

图6:标准化残差直方图
图6:标准化残差直方图

从正态P-P图看到,预期累积概率与实测累积概率的分布趋近于一条直线,也说明了销售额的残差服从正态分布,满足了线性回归模型对于正态性的要求。

图7:正态P-P图
图7:正态P-P图

在变量相关性的检验上,如图8所示,销售额与客流量、销售量之间都存在着显著的相关性。

图8:变量相关性
图8:变量相关性

在模型拟合优度的检验上,其调整后R方数值为0.976,说明模型的拟合优度高。

图9:模型拟合优度
图9:模型拟合优度


在满足回归方程正态性要求、回归方程拟合优度高的前提下,观察回归模型的系数检验显著性。如图10所示,回归方程的客流量与销售量系数均显著,但常量系数不显著。

常量系数检验不显著,说明其数值对回归方程的影响意义不大,可建立无截距的回归方程。根据回归结果列出以下方程:y=1.74x1+53.265x2

图10:系数显著性
图10:系数显著性

四、小结

综上所述,在SPSS中构建多元线性回归方程的方法与一元线性回归方程相似,只是在自变量的设置上稍有区别,SPSS一元线性回归方程仅包含一个自变量,而多元线性回归方程包含二个或以上的自变量。

另外,与一元线性回归方程相同,多元线性回归方程需满足线性、正态性、方差齐性等要求。

作者:泽洋

标签:SPSS多元线性

读者也访问过这里:
SPSS Statistics
一款功能强大的数据统计分析工具
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
如何用SPSS计算个人BMI值?
BMI即体重指数,是衡量个人身体质量的一个重要参数,通过判断BMI的数值大小,我们可以判断个人身高与体重是否协调。下面我将用IBM SPSS Statistics来为大家介绍BMI的计算方法。
2021-03-19
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
SPSS进行变量赋值的相关操作
变量和个案是IBM SPSS数据界面很重要的两个部分,可以形象理解为地球仪上的经线和纬线。通俗一点讲数据界面的每一列是一种变量,如年龄性别等。一行中的所有变量又构成了一个个案,本篇文章着重讲解变量,个案就不做过多展开。在图1中有具体的标注,可以看一下变量和个案到底是什么样。
2021-02-23
使用SPSS进行回归分析的方法总结
IBM SPSS Statistics 是强大的统计软件平台,SPSS全称Statistical Product and Service Solutions(统计产品与服务解决方案), SPSS可以帮助我们分析并更好地了解数据,以解决复杂的业务和研究问题。如今,SPSS已经被广泛运用于数据分析等各个领域。
2021-03-09
如何使用SPSS检验数据是否服从正态分布—偏度峰度系数
在《如何使用SPSS检验数据是否服从正态分布—KS检验与Q-Q图》一文中,我们了解了如何使用KS检验、Q-Q图来验证数据的正态性。接下来,本文将会继续讲解如何使用IBM SPSS Statistics的描述统计(偏度峰度系数)、探索统计检验(正态检验)数据的正态性。
2021-01-07