发布时间:2022-05-12 14: 19: 41
品牌型号:联想GeekPro 2020
系统: Windows 10 64位专业版
软件版本: IBM SPSS Statistics
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。
一、spss怎么做逐步回归分析
逐步回归分析,实际上是多元线性回归的一种分析方法,通过将变量逐个输入,并检验变量的显著性,来逐一剔除影响不显著的变量,从而建立最优的回归方程。接下来,我们通过一个例子具体演示下spss的操作方法。
示例数据如图1所示,X1、X2、X3、X4、X5、X6为自变量,X7为因变量,探究X1、X2、X3、X4、X5、X6与X7的线性回归关系。
如图2所示,依次点击spss的分析-回归-线性分析。
接着,设定变量
分别将X1、X2、X3、X4、X5、X6添加到自变量、X7添加到因变量中,以研究X1、X2、X3、X4、X5、X6对X7的影响。
然后,关键的一步,如图3所示,在方法下拉菜单中选择“步进”,进行逐步回归分析。
统计量设置如图4所示,包括回归系数的估算值,模型拟合以及DW值(德宾-沃森),以检验模型的拟合优度以及残差是否存在自相关。
图表设置上,如图5所示,选择“直方图”与“正态概率图”,以检验模型的残差是否服从正态分布。
对于逐步回归分析,需要注意的是步进法条件的设置,如图6所示,可选择使用F的概率或F值,数值一般保持默认即可。
二、逐步回归分析spss结果解读
接下来,进行spss逐步回归分析结果解读。
首先观察残差的正态P-P图,可看到数据集中在一条直线上,说明数据残差服从正态分布,满足逐步回归分析的假设。
从输入/除去变量表看到,本次逐步回归分析进行了6次输入或除去。
而针对6次输入或除去创建的模型,模型4、5、6的调整后R方达到0.92或以上,说明模型的拟合优度高。
ANOVA分析,6个逐步回归模型的显著性值为0.00,小于0.05的置信空间,即说明有95%的概率拒绝原假设,也就是说,各方程中的自变量与因变量间存在着显著的相关关系。
三、逐步回归分析方程怎么写
从上述的分析中,我们知道本例逐步回归分析得到的6个方程都具有显著性,而从模型拟合优度来看,方程4、5、6拟合优度更好。
接着,根据系数检验结果看到,方程4的X3系数不显著,因此倾向使用方程5和方程6,其逐步回归方程可根据未标准化系数的B值写成如下:
方程5:X7=1201.938+59.873X2+139.350X1+32.881X4
方程6:X7=1039.502+49.342X2+157.661X1+25.8731X4+23.906X5
四、小结
以上就是关于spss怎么做逐步回归分析,逐步回归分析spss结果解读的相关内容。spss逐步回归分析,实际上是使用“步进”法进行多元线性回归分析的方法,该方法可通过逐步输入剔除不相关的变量,寻找最优的回归方程。
作者:泽洋
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 >
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多元非线性回归分析步骤 SPSS多元非线性回归分析结果
多元非线性回归主要用于进行多变量的分析比较和预测,当现实中的自变量和因变量,即输出和输入数据不成线性关系时,我们要通过对数型变化将非线性问题转换为线性问题,但这仅靠人力明显难以做到,这个时候我们就可以借助数据分析工具——SPSS来进行多元非线性回归分析,下面来为大家具体介绍有关SPSS多元非线性回归分析步骤,SPSS多元非线性回归分析结果的相关内容。...
阅读全文 >
spss数据分析用处大么 spss数据分析的原理
借助SPSS我们可以完成数据统计,分析和挖掘,从而把握数据变化规律,积极人为干预,提高经济和社会效益。对于很多数据分析初学者来说,常常有SPSS数据分析用处大么?SPSS数据分析的原理是什么的疑问,本文向大家做简单介绍。...
阅读全文 >