发布时间:2022-04-15 10: 43: 22
在实际的生产生活中,常常会遇到这样的状况,多种催化剂共同使用,化学反应效率提高,但是不确定哪些催化剂起主要作用。一个地区的居民收入受到多种因素的影响,但是不能确定哪些因素起主要作用。在这种情况下,设计实验进行验证,就需要引入大量的影响因子,大大限制效率的提高。如果借助统计学中的逐步回归统计方法,就能大大节省实验成本。
SPSS软件内置了逐步回归分析功能,只需将初步试验数据录入,选择合适的分析方法,SPSS就能提供影响因子的回归方程,同时剔除对结果影响不大的因素,显著提高工作效率。
SPSS实现逐步回归的基本步骤是,将变量一个一个引入,对引入的变量逐个进行检验,逐步剔除影响最不显著的自变量,直至将全部数据计算完毕,构造更优的回归方程。
1.数据录入
例:对于4种催化剂的催化效率进行了研究,得到了产率的实验数据。
打开SPSS软件,录入实验数据,如图1所示。前4列为催化剂用量,第5列为产率。
在图2所示界面,对变量属性进行设置。
2.进行逐步回归分析
点击分析,回归,线性,将产率指定为因变量,将四种催化剂用量指定为自变量,方法栏选中“逐步”。
单击选项按钮,在“使用F的概率”中的进入输入0.1,删除输入0.11。
表示当候选变量中最大F值的P值小于或等于0.1时,引入相关变量。在引入方程的变量中,最小F值的P值大于或等于0.1时,则剔除该变量。
点击确定进行逐步回归分析。
3.逐步分析结果解读
在逐步分析结果中,需要关注以下三个方面:
首先,排除的变量,催化剂A和催化剂C,其显著性分别为0.724,0.676,远大于0.05,接受A,C用量与产率无关的假设,将这两个变量进行剔除。
在模型摘要中,引入催化剂B和D,R值为1,认为B,D和产率之间存在强线性相关关系,接受B,D为产率的自变量。
在系数表格中,未标准化系数催化剂D为2,催化剂B为1,认为产率=2*D+B,逐步线性回归分析完毕。
逐步线性回归分析对于优化实验条件具有重要实用价值,如果人工进行统计学计算则相当繁琐,借助SPSS可以迅速完成统计分析,大大提高工作效率。
作者:莱阳黎曼
展开阅读全文
︾
读者也喜欢这些内容:
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。...
阅读全文 >
多元线性回归需要做哪些检验 多元线性回归分析步骤
多元线性回归是较为简单的回归分析,用以评价因变量与多个自变量之间是否存在简单线性关系,人工进行多元线性回归分析计算非常繁琐,借助统计分析软件则可以显著提高效率,如IBM SPSS Statistics,使用SPSS进行多元线性回归需要做哪些检验,多元线性回归分析步骤是怎样的,本文将向大家作简单介绍。...
阅读全文 >
逐步回归分析和多元线性回归的区别 SPSS逐步回归分析实例
将获取的全部样本点用一条光滑曲线连接起来,拟合这条曲线的方法有无数种,按照自变量的个数的多少,可分为一元回归分析和多元回归分析。按照变量之间的关系,可分为线性和非线性。逐步回归分析是多元线性回归分析的一种,本文就来谈谈逐步回归分析和多元线性回归的区别,SPSS逐步回归分析实例。...
阅读全文 >
spss怎么做逐步回归分析 逐步回归分析spss结果解读
spss怎么做逐步回归分析?逐步回归分析是多元线性回归分析的一种,可通过spss回归分析中的“步进”法来做逐步回归分析。本文会运用例子演示逐步回归分析步骤,并进行逐步回归分析spss结果解读。...
阅读全文 >