IBM SPSS Statistics 中文网站 > 使用技巧 > 如何使用IBM SPSS Statistics确定建立的回归模型能用于预测分析

如何使用IBM SPSS Statistics确定建立的回归模型能用于预测分析

发布时间:2021-09-03 11: 22: 34

当需要研究一组随机变量与另一组变量的关系时,通常会运用回归分析。通过回归分析构建数学模型,探究两种或两种以上变量之间是否存在关系,若存在关系还可进一步预测未来的数据。

当自变量有多个而因变量只有一个时,则可构建spss多元线性回归分析,此时计算量较大,因此通过IBM SPSS Statistics(win)能更为准确、便捷地进行分析。

一、使用的数据

本文将使用一组人均消费支出额、人均工资性收入和人均非工资性收入的数据为例,使用IBM SPSS Statistics进行多元线性回归分析,分析这一组数据构建的模型是否显著,是否能进行预测分析。

如图1,因变量为人均消费支出额,两组自变量分别为人均工资性收入、人均非工资性收入。构建多元线性回归分析,分析两组自变量是否与人均消费支出额存在关系。

图1:示例数据
图1:示例数据

二、应用线性回归分析

在IBM SPSS Statistics中按照分析-回归-线性的顺序展开回归分析对话框。

图2: 线性回归分析功能
图2: 线性回归分析功能

在展开的线性回归对话框中,将人均消费支出额添加入因变量一栏中,将人均工资性收入和人均非工资性收入添加入自变量方框中,点击确定,即可得到分析结果。

图3:选择变量
图3:选择变量

三、对数据进行分析

通过IBM SPSS Statistics的线性回归分析功能得出分析结果后,可对得出的数据进行具体分析。从图4的模型摘要可知回归模型拟合程度R2=0.992,

接近1,说明该模型拟合程度高。

图4:模型摘要数据
图4:模型摘要数据

如图5所示,可知F统计量的值为340.676,对应的显著性小于0.01小于0.05,说明模型整体显著。

图5:ANOVA分析数据
图5:ANOVA分析数据

图6的系数表是回归模型的输出结果,回归系数的T检验可以直接通过显著性的值与0.05进行比较,若显著性小于0.05,说明回归系数通过了T检验,回归系数不为0。从系数表可知人均工资性收入x1和人均非工资性收入x2的显著性均小于0.05,通过了T检验。

由此构建出的模型为:

图6:系数数据
图6:系数数据

本文通过IBM SPSS Statistics建立的回归模型可以通过以上所说的三种检验,说明可用于预测分析。也就是说当知道某年的人均工资性收入和人均非工资性收入后可预测当年的人均消费支出额。

作者:刘白

展开阅读全文

标签:spss预测分析

读者也访问过这里:
SPSS Statistics
强大的数据分析平台
立即购买
微信群
官方微信群 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
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。
2022-05-07
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。
2022-05-12
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如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
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
最新文章
spss赋值后为什么显示不出来 spss赋值后为什么空白不显示
在现代数据分析中,SPSS(统计产品与服务解决方案)被广泛应用于社会科学、市场研究和健康科学等领域。尽管其功能强大,但在实际操作中,用户可能会遇到一些问题,例如赋值后数据不显示或空白。本文将探讨这些问题,并提供解决方案。
2024-06-14
spss异常值设置在哪里操作 spss异常值筛选后如何处理
在数据分析过程中,异常值是一个常见的问题,它可能会对分析结果产生影响。因此,正确处理异常值是非常重要的。本文将探讨SPSS如何处理异常值的方法。关于SPSS异常值设置在哪里操作,SPSS异常值筛选后如何处理的内容,本文向大家作简单介绍。
2024-05-22
spss去除无效数据方法 spss去除极端值方法
统计学是一门旨在收集、分析和解释数据的学科。在统计学中,数据的准确性和有效性至关重要。然而,有时候我们会遇到无效数据,这些数据可能是错误的、缺失的或者不完整的,它们会对统计结果产生严重的影响。使用SPSS对数据进行统计时,也常常会面对这些问题,关于SPSS去除无效数据方法,SPSS去除极端值方法的内容,本文向大家作简单介绍。
2024-05-08
spss异常值处理办法 spss异常值检验步骤
SPSS异常值检查是数据分析中一个非常重要的步骤。异常值指的是数据集中与其他观测值明显不同的数值。这些异常值可能会对统计分析结果产生影响,使用SPSS进行统计分析前,要对数据进行简单分析,例如查看有无缺失值,进行异常值检验等。有关SPSS异常值处理办法,SPSS异常值检验步骤的内容,本文向大家作简单介绍。
2024-04-24
spss筛选变量不能共线 spss筛选出没有缺失值的样本方法
SPSS是一种强大的统计分析软件,广泛应用于各种研究领域。在进行数据分析时,研究人员经常会遇到共线性问题。共线性是指自变量之间存在高度相关性的情况,这可能会导致模型不稳定、参数估计不准确甚至无法得出有效的结论。因此,共线性诊断和筛选变量在SPSS中变得尤为重要。有关SPSS筛选变量不能共线,SPSS筛选出没有缺失值的样本方法的内容,本文向大家作简单介绍。
2024-04-17
spss筛选功能在什么地方 spss筛选怎么做
SPSS软件是一款被广泛应用于数据分析和统计学习领域的工具。在数据处理过程中,筛选是一个非常重要的步骤,它可以帮助用户快速地找到所需的数据并进行进一步的分析。SPSS软件提供了强大的筛选功能,使用户能够轻松地筛选出符合特定条件的数据,从而提高数据处理的效率和准确性。SPSS筛选功能在什么地方,SPSS筛选怎么做,本文向大家作简单介绍。
2024-04-10

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容: