品牌型号：Dell N5010

系统：Windows 10

软件版本：IBM SPSS Statistics

使用IBM SPSS Statistics进行线性回归分析非常的高效，分析过程中可以关注各个应用条件是否满足，其中残差分析非常重要，残差满足正态分布，进行线性回归分析才有意义，关于残差有两个问题需要重点关注：spss线性回归残差计算，spss线性回归残差图怎么看是否有自相关，本文结合实例，向大家做简单的介绍。

一、spss线性回归残差计算

为了便于大家理解，我们对图1所示的数据进行线性回归分析，其中X为自变量，Y为因变量，为了保持介绍内容的完整性，具体的分析步骤我们将在第三小节中向大家介绍，在第一小节中我们向大家介绍残差的计算方法。

图1录入数据

在图2所示的界面中，点击保存，在预测值项目内勾选未标准化，在残差项目内勾选未标准化。

图2 保存预测值和残差

“保存”操作的意义在于，进行数据分析后，对分析过程中计算的数据进行保存，保存的位置位于原数据表。如图3所示。

图3 预测值与残差值

res_1即为残差的值，Y-pre_1即为res_1。残差可以为我们提供什么有用的信息呢，我们在第二小节中向大家介绍、

二、spss线性回归残差图怎么看是否有自相关

自相关一般指随着时间和空间位移因变量产生变化，具体表现为残差不再服从正态分布而是如图4所示的状态分布，如果残差呈正态分布，它们将均匀分布在0的两侧。同样原因为了保证介绍内容的完整性，进行线性回归的过程我们在第三小节中介绍，本小节我们介绍如何对残差分布图进行调整，从而便于我们观察。

图4 不服从正态分布的残差图

线性回归分析完毕后，右键单击输出窗口中的残差散点图，选择编辑内容，在单独窗口中。

图5 编辑残差散点图

点击选项，Y轴参考线，打开参考线选项卡，位置设置为0，点击应用，编辑好的残差散点图见图7。

图6 编辑参考线

我们以0为参考线，观察残差的分布情况，本例中残差分布较为均匀，未出现图所示的情况，所以大致推断因变量不存在自相关情形。

图7 带参考线的残差散点图

以上就是关于线性回归分析过程中，残差的计算以及如何通过残差的分布判断因变量是否存在自相关，线性回归分析的过程是怎样的呢？我们接下来介绍。

三、SPSS进行线性回归分析步骤

通过本小节介绍的回归分析步骤，我们可以得到第一第二小节中关于残差的内容，还包括线性回归的结果，以及有关线性回归是否有意义的检验结果。

首先点击分析，回归，线性，进入设置界面。

图8 进入线性回归分析

将Y加入因变量列表，将X加入自变量列表，点击统计，依次勾选图9所示的项目，点击继续。

图9 设置统计选项

点击图，将ZRESID指定为X，将ZPRED指定为Y，勾选直方图和正态概率图，点击继续。

图10 设置绘图选项

点击保存，按第一小节中内容进行设置，SPSS将在结果查看器中输出线性回归分析的全部结果。

在线性回归分析过程中，我们需要对数据做必要的检验，这样才能保证回归分析结果有意义，其中比较重要但不太好理解的是spss线性回归残差计算，spss线性回归残差图怎么看是否有自相关这两个问题，所谓残差，即预测值与实际值的差，残差服从正态分布是两组数据符合线性关系必要条件。

作者：莱阳黎曼