咨询在线销售
SPSS > 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:
新手入门 常见问题 使用技巧 行业案例
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
下载试用
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回归分析中的f值是什么 SPSS回归分析F值在什么范围合适
回归分析中以R表示相关性程度的高低，以F评价回归分析是否有统计学的意义，使用IBM SPSS Statistics进行回归分析，可以非常快速的完成R，F的计算，并且给出回归曲线方程，那么，SPSS回归分析中f值是什么？SPSS回归分析F值在什么范围合适，本文结合实例向大家作简单的说明。
2022-07-22
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
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
最新文章
SPSS如何一次性选择多个变量 SPSS如何降低样本偏倚
年关将至，在年终总结的时候，我们总是要对一年的工作成果或科研成果进行汇总分析，这时候就需要一款专业的数据软件来帮助我们进行分析与总结，SPSS就是一款可以帮我们方便快捷地进行数据分析的软件。通过它我们不仅可以总结分析出数据的本质和各种变化规律，还可以用图表直观地将它们展示出来，同时使用SPSS做出的图表符合各种科研期刊和商业报告的要求。下面就给大家介绍一下关于SPSS如何一次性选择多个变量，SPSS如何降低样本偏倚的相关内容。
2026-04-15
SPSS交叉表卡方与非参数卡方检验有何区别 SPSS交叉表卡方检验结果解读
在SPSS统计分析中，卡方检验是一种我们经常使用到的非参数方法。但是，其实很多人会混淆“交叉表卡方检验”和“非参数卡方检验”。两者虽然名字十分相似，但是针对的是完全不同的分析场景。接下来我将为大家介绍：SPSS交叉表卡方与非参数卡方检验有何区别，SPSS交叉表卡方检验结果解读的相关内容，帮助大家精准区分方法、读懂检验结果。
2026-04-08
SPSS怎么做插值 SPSS线性插值法补全数据
一条条完整的数据源，能够更好地保障数据分析结果的准确性。但面对成千上万条数据参数，难免会出现数据缺漏或遗失的情况。针对这种情况，我们就可以使用SPSS中的插值和补全数据法。今天我就以SPSS怎么做插值，SPSS线性插值法补全数据这两个问题为例，来向大家讲解一下SPSS中插值的相关知识。
2026-04-08
SPSS多元逻辑回归步骤 SPSS多元逻辑回归结果解读
我们在数据分析的过程中，往往会遇到因变量是多分类定类变量的情况，比如购买决策可以分为“不买、犹豫、购买”，满意度可以分为“不满意、一般、满意”等，这时候，就可以使用多元逻辑回归的方法。它能帮我们明确哪些自变量会影响因变量的分类，还能量化影响程度，实用性很强。下面我将为大家介绍：SPSS多元逻辑回归步骤，SPSS多元逻辑回归结果解读的相关内容。
2026-04-08
SPSS多重共线性怎么看 SPSS如何降低多重共线性
无论是在生活中还是在工作中，分析各种问题时我们都会找到许多原因，例如明天是否会下雨可能会与温度、云量和风速等有关；商品的销售情况与价格、包装、质量和节日有关。生活中我们不必计较原因之间是否有关联，但是在要求精准的商业领域与科研领域，遇到这样的分析情况时，我们都要分析数据的共线性，它描述的是自变量之间的相关关系，如果一个模型中的自变量之间有高度的共线性，就会导致模型失真。本文我们就介绍一下SPSS多重共线性怎么看，SPSS如何降低多重共线性的相关内容。
2026-04-08
SPSS多个自变量散点图怎么做 SPSS怎么画分组散点图
在给原始数据做分析时，散点图可以清晰的帮我们理清变量之间的关系。即使有多个自变量，通过画出对应的散点图也可以帮我们理清变量之间的关联。即使是想对比不同组别之间的差别，分组散点图也可以将数据可视化，便于我们分析。它可以把数据按类别分开，让不同组别的变量关系清晰的展示出来。下面就给大家介绍一下SPSS多个自变量散点图怎么做，SPSS怎么画分组散点图的相关内容。
2026-04-08

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: