SPSS > 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 11: 47: 58

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

展开阅读全文

︾

标签:SPSS,多元线性,SPSS多元非线性回归

读者也访问过这里:
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
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如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
SPSS回归分析中的f值是什么 SPSS回归分析F值在什么范围合适
回归分析中以R表示相关性程度的高低,以F评价回归分析是否有统计学的意义,使用IBM SPSS Statistics进行回归分析,可以非常快速的完成R,F的计算,并且给出回归曲线方程,那么,SPSS回归分析中f值是什么?SPSS回归分析F值在什么范围合适,本文结合实例向大家作简单的说明。
2022-07-22
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
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
最新文章
SPSS K均值聚类结果怎么看 SPSS K均值聚类后的结果怎么用于正态性检验
K均值聚类是一种常用的聚类分析方法,它的特点在于可以先选取K个对象作为初始的聚类中心,然后再计算每个对象到各聚类中心的距离,再将对象分配给较近的聚类中心,相对于其他聚类方法来说,K均值聚类会更简单。SPSS拥有成熟的K均值聚类的分析功能,接下来本文会介绍SPSS K均值聚类结果怎么看,SPSS K均值聚类后的结果怎么用于正态性检验的相关内容。
2026-11-04
SPSS多重线性回归分析怎么做 SPSS多重线性回归分析结果解读
多重线性回归分析,就是研究一个因变量和多个自变量的线性关系。与简单的回归分析不同,这里会涉及到多个自变量,比如研究影响销售额的因素,可能会包含客流量、销售量等,这些因素与销售额之间就可以构成多重线性关系,在SPSS软件中,可以轻松进行多重线性回归分析,接下来我们会介绍SPSS多重线性回归分析怎么做,SPSS多重线性回归分析结果解读的相关内容。
2026-11-04
SPSS中如何设置哑变量 如何用SPSS设置哑变量做Logistic回归
如果分析的数据中包含了一些分类变量,比如性别、地区、类型等,为了让这些分类变量可以参与数值运算,可以在研究分析数据前,将它们设置为哑变量,这样就能给它们赋予数值含义。在SPSS的软件使用中,可以在Cox回归、Logistic回归、线性回归等分析方法中设置哑变量。接下来,我们会介绍SPSS中如何设置哑变量,如何用SPSS设置哑变量做Logistic回归的相关内容。
2026-11-04
SPSS几何均数怎么输入数据 SPSS怎么计算几何均数的平均值
几何均数,与常用的均值一样,都可以用来描述数据的集中趋势。所不同的是,均值是用所有数据的和除以个数,而几何均数是用所有数据的乘积来开n次方根。所以,几何均值相对于均值来说,更不容易受到极端值的影响,比较适合用来计算比例、比率等。接下来我们会介绍SPSS几何均数怎么输入数据,SPSS怎么计算几何均数的平均值的相关内容。
2026-11-04
SPSS概率分析如何进行预测 SPSS如何做概率分布函数
概率分析指的是统计学中利用数理统计的方法对事件发生可能性进行分析和预测的一种分析方法,它的核心概念就是在充满不确定性的情况下,尽可能地预测某个事件发生的概率。概率分析在生物医疗领域的应用十分广泛,例如通过研究某种农药不同浓度情况下,害虫的死亡情况,可以得出该农药的“刺激强度”与“响应比例”关系,这就是概率分析中常用的一种分析方法,也是SPSS软件中“概率分析”功能所采用的分析方法。本文就介绍关于SPSS概率分析如何进行预测,SPSS如何做概率分布函数的相关内容。
2026-11-04
SPSS如何数据分组 SPSS如何将数据分组做频数分布表
我们如果手上的数据比较杂乱,让人找不到头绪的话,建议先给数据做一下分组,并统计不同分组的频数、比例等统计量,这样会更容易数据的分布规律并找到合适的分析方法。在一些分数、绩效、销售量统计中,常常会应用到数据分组的方法,接下来我们会介绍SPSS如何数据分组,SPSS如何将数据分组做频数分布表的相关内容。
2026-11-03

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容: