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。
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。
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。
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。
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:
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
︾
微信公众号
读者也喜欢这些内容:
SPSS逐步回归分析怎么操作 SPSS逐步回归分析结果如何处理
作为线性回归的一种方式,如果我们使用逐步回归分析,就能够帮助构建一个更有效的预测模型,而且对模型的拟合优度有所提高。使用SPSS的过程中,如果掌握逐步回归分析的方法,就能够帮助我们解决很多实际工作中的问题。下面我就给大家介绍一下:SPSS逐步回归分析怎么操作,SPSS逐步回归分析结果如何处理的相关内容。...
阅读全文 >
SPSS异常值的判断方法 SPSS怎么做异常值处理
在数据分析工作中,我们所说的异常值,就是那些对比于整体数据较为怪异、不符合统计规律的某些数值。如果放任这些数值的存在,可能会对最终的分析结果产生不利的影响。接下来,我就以“SPSS异常值的判断方法,SPSS怎么做异常值处理”这两个话题为例,带大家了解一下与异常值相关的分析操作技巧。...
阅读全文 >
SPSS中如何进行样本量的确定分析 SPSS样本量计算公式
在通过SPSS进行调查研究时,确定合适的样本量是非常关键的一步,样本量的大小直接影响着研究结果的准确性,那么需要如何计算样本量的大小呢?接下来本文将探讨SPSS中如何进行样本量的确定分析,SPSS样本量计算公式的相关操作,带大家来了解一下样本量计算的具体方法。...
阅读全文 >
SPSS多元回归分析操作步骤 SPSS多元回归分析结果怎么解读
对于经常需要进行数据分析的小伙伴来说,一款好用的数据分析既可以帮助我们快速对数据进行专业的分析,还可以将分析出来的数据结果进行便捷的导出,方便在科研或者论文的撰写中进行引用。这里给大家介绍一款我自己常用的数据分析软件—SPSS,SPSS凭借自身专业的数据分析功能深受用户的青睐,接下来给大家介绍SPSS多元回归分析操作步骤,SPSS多元回归分析结果怎么解读的具体内容。...
阅读全文 >