SPSS评价回归模型拟合优劣 SPSS回归模型结果分析

品牌型号：HP Laptop 15

软件版本：SPSS Statistics27

系统：Windows 10

线性回归模型主要是考察变量之间的数量变化关系，通过线性表达式来进行描述进而确定变量之间的影响程度。为了更深入了解掌握变量之间的关联特性，下面我们将通过SPSS数据分析软件，来带大家了解一下SPSS评价回归模型拟合优劣，SPSS回归模型结果分析的相关内容。

一、SPSS评价回归模型拟合优劣

接下来我们将借助SPSS带大家了解一下评价回归模型拟合的优劣。

1、这是一份某连锁咖啡店不同门店的经营数据，下面我们将通过这份数据来研究影响月销售额的因素有哪些，点击【文件】-【打开】，将数据导入至SPSS中。

2、点击菜单栏中的【分析】选项，在下拉菜单中找到【回归】-【线性回归】选项，打开线性回归对话框，将月销售额添加到因变量框中，将店铺面积、员工数量、店铺位置、周边写字楼数量、月广告投放费用等添加至自变量框中。

3、点击右上角的【统计】按钮，勾选估算值、置信区间为95%、模型拟合、R 方变化量、共线性诊断等统计量，在残差分析中勾选【德宾-沃森】检验。

4、然后点击【图】按钮，在【线性回归：图】对话框中勾选标准化残差图中的【直方图】、【正态概率图】，可以方便我们检查模型的残差是否符合正态分布。

5、点击【继续】回到线性回归面板中，再点击【确定】按钮进行线性回归分析并生成分析结果。

二、SPSS回归模型结果分析

1、下面为模型摘要图，其中R值为0.999，这说明自变量与因变量之间存在很强的正相关关系，R方为0.997，这说明店铺面积、员工数量、店铺位置、周边写字楼数量、月广告投放费用等变量能够解释月销售额99.7%的变化，调整后R方与R方数值比较接近，说明模型没有过度拟合。

2、这是回归标准化残差直方图，从图中我们可以看出回归标准化残差大部分都在0附近，少许残差在1和-2附近，标准差为0.667，表明残差的波动相对较小，这说明线性回归模型的残差分布比较合理。

3、下图为残差统计图，其中预测值的最小值为最小值为78712.13 ，最大值为200681.81 ，平均值为130500.00 ，标准差为42789.615，从标准差的数值来看数据的离散程度较大；残差的最小值为- 5530.303 ，最大值为2575.758 ，平均值为0 ，标准差为2209.560 ，这说明线性回归模型对月销售额的预测在目前的数据范围内表现较为合理。

通过对SPSS评价回归模型拟合优劣，SPSS回归模型结果分析的介绍，希望帮助大家更熟练的运用SPSS软件来开展数据分析工作，并根据数据结果做出合理的决策。感兴趣的小伙伴可以登录SPSS中文网站进行下载试用。

作者：EON