IBM SPSS Statistics 中文网站 > 使用技巧 > 线性回归分析的基本步骤 spss线性回归分析方程怎么写

线性回归分析的基本步骤 spss线性回归分析方程怎么写

发布时间:2022/05/18 15:16:42

品牌型号:联想GeekPro 2020

系统: Windows 10 64位专业版

软件版本: IBM SPSS Statistics

线性回归分析的基本步骤,包括设定回归方程的变量,检验方程是否满足线性回归假设,检验方程的拟合优度,显著性,创建方程等步骤。spss线性回归分析方程怎么写?本文会通过实例讲解spss线性回归分析方程的撰写方法。

一、线性回归分析的基本步骤

线性回归分析,一般需要先通过spss散点图等辅助图表判断数据是否为线性分布后,才能进一步使用线性回归分析。

在判断数据满足线性分布后,还需通过残差服从正态分布、残差无自相关等假设后,才能进一步构建线性回归方程。接下来,我们使用spss详细演示一下步骤。

如图1所示,本例使用的是一组身高与体重的数据,研究身高与体重的线性回归关系。

图1:示例数据
图1:示例数据

 

第一步:选择分析方法

本例数据仅包含一个自变量(身高)与一个因变量(重量),构建简单的一元线性回归方程即可,依次单击spss的分析-回归-线性分析。

图2:线性回归分析
图2:线性回归分析

 

第二步:设定变量

分别将体重添加到因变量、将身高添加到自变量选项中,以研究身高对体重的影响。

图3:选择变量
图3:选择变量

 

第三步:设定统计量与图表

1.在回归系数中选择“估算值”,并设定“95%的置信区间”,进行回归系数的显著性检验与计算

2.选择“模型拟合”,了解模型的拟合度,判断方程的可用性,可同时勾选“描述”统计数值,查看平均值、方差等。

3.在残差分析中,选择“德宾-沃森(D-W)”检验,以了解残差是否存在自相关,检验模型是否具有统计学意义。

图4:统计量
图4:统计量

 

如果在回归方程中需要检验并设置常量,需在“选项”设置中选择“在方程中包括常量”。

图5:选项设置
图5:选项设置

 

最后,在spss图表中,选择标准化残差图中的“直方图”、“正态概率图”,检验回归方程的残差是否服从正态分布。

以上完成了spss的运算设置,可以正式运算数据,获得并解读运算结果。

图6:参考图表
图6:参考图表

 

第四步:检验残差的自相关性与正态性

获得运算结果后,首先进行回归方程的假设检验。

回归方程的德宾-沃森值为2.338,查阅德宾-沃森表得到,样本量n=30,控制变量数量k=1,其下临界值LD=1.134、上临界值UD=1.264。

根据判定规则,本例回归方程符合“如果UD

图7:D-W检验
图7:D-W检验

 

观察正态P-P图,数值分布接近于直线,说明残差的正态性良好,回归方程满足残差正态分布的假设。

图8:残差P-P图
图8:残差P-P图

 

第五步:检验方程拟合优度

Spss ANOVA分析,回归方程的显著性值为<0.001,小于0.05的置信空间,可以拒绝原假设,即身高与体重之间存在着显著的线性回归关系。

图9:ANOVA检验
图9:ANOVA检验

 

虽然回归方程存在显著的线性回归关系,但从调整后R方的数值(0.474)看到,回归方程的预测准确度不高,这可能与样本量比较少(样本量为30),或解释变量解释能力不足有关,也就是说影响体重的可能不止身高这一因素,需要加入其它解释变量。

图10:模型摘要
图10:模型摘要

 

二、spss线性回归分析方程怎么写

在判定回归方程显著、残差无自相关性、残差满足正态分布的前提下,可求得回归方程的回归系数,从而构建回归方程。

根据系数检验表,身高回归系数的显著性数值为0.00<0.05,可拒绝身高回归系数不显著的假设;而常量系数的显著性为0.825,无法拒绝常量系数不显著的假设。说明身高回归系数具有统计学意义,而常量系数不具有统计学意义,可构建y=0.383x的一元线性回归方程。

但需要注意的是,回归方程的调整后R方数值小于0.6,说明预测准确性不高,如果要进一步提高方程的准确性的话,提高拟合优度的,可能需要加入其它解释变量的数据,构建多元回归方程。

图11:选择变量
图11:选择变量

 

三、什么是ANOVA分析

在上述的线性回归分析中,我们使用到ANOVA分析来检验回归方程的显著性,那么,什么是ANOVA分析?在spss中怎么操作?

ANOVA分析,实际上就是常说的方差分析、F检验,用于检验两个或以上样本均数差异的显著性,其H0假设是多个样本总体均值相等,常用于研究变量间的影响、相关关系是否显著,spss中可通过单因素ANOVA检验、多因素ANOVA检验来进行操作。

图12:ANOVA检验
图12:ANOVA检验

 

比如在以上的身高与体重的线性相关关系研究中,其ANOVA分析原假设为多个不同身高样本的体重相等,而从检验结果看到,其F值为27.169,显著性<0.00,说明可以拒绝原假设,即多个不同身高样本的体重不相等,身高对体重有显著的影响。

图13:ANOVA分析结果
图13:ANOVA分析结果

 

四、小结

以上就是关于线性回归分析的基本步骤,spss线性回归分析方程怎么写的相关内容。spss的线性回归分析可通过设置德宾-沃森、残差正态P-P图等检验假设是否成立,并通过ANOVA分析、回归系数检验进一步检验回归方程的显著性,并求得回归方程。

 

作者:泽洋

标签:SPSSIBM SPSS Statistics一元线性回归分析SPSS教程非线性回归

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
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
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
如何通过SPSS对问卷进行效度分析
效度分析是指测量的根据或手段(在问卷中为问卷题目)是否能有效检测所需测量事物的程度,是问卷分析中几乎必须进行的一个环节,效度分析分为内容效度、准则效度和结构效度,问卷分析一般所使用的效度分析一般是结构效度。通过数据分析软件IBM SPSS Statistics(win)的效度分析功能我们可轻松获得关于问卷的效度分析结果,帮助我们更好设计或评估问卷。那么如何通过IBM SPSS Statistics对问卷进行效度分析。
2021-10-26
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