IBM SPSS Statistics 中文网站 > 使用技巧 > IBM SPSS Statistics逐步回归分析案例

IBM SPSS Statistics逐步回归分析案例

发布时间:2022/02/17 14:18:35

 对于统计学工作,确定自变量对因变量的影响程度是非常重要的,工作人员预想或进行实验的所有自变量可能并非都显著的影响因变量。因此如何选择出那些对因变量影响巨大的自变量,是工作人员需要解决的首要问题。SPSS提供了逐步回归分析的功能,借助于此功能,用户可以从可能影响因变量的众多自变量中,筛选出对因变量影响大的自变量,从而优化条件,获取更高的经济效益。

 SPSS实现逐步回归的基本过程是,将变量一个一个引入,对引入的变量逐个进行检验,逐步剔除影响最不显著的自变量,直至将全部数据计算完毕,构造最优的回归方程。

 1.数据录入

 打开SPSS软件,录入实验数据,如图1所示。

图1录入数据
图1录入数据

 

 然后打开图2所示界面,对变量属性进行设置。将变量名称分别设置为X1,X2,X3,X4,X5。

图2变量属性设置
图2变量属性设置

 

 2.进行逐步回归分析

 点击分析,回归,线性,选入需要分析的变量,将X5添加入因变量中,将X1-X4添加入自变量中,然后在方法栏中选“逐步”,单击选项按钮,在“使用F的概率”中的进入输入0.1,除去输入0.11。

 表示当候选变量中最大F值的P值小于或等于0.1时,引入相关变量。在引入方程的变量中,最小F值的P值大于或等于0.1时,则剔除该变量。

 点击确定运行逐步分析。

图3逐步回归分析过程
图3逐步回归分析过程

 

 3.逐步分析结果解读

 变量逐步回归分析结果我们需要关注图5所示的两个表格,首先排除的变量X1和X3,其显著性分别为0.724和0.626,远远大于0.05,不能接受相关假设,认为X1,X3和X5不相关。

 在模型摘要中,预测变量为X2和X4时,R值为1,呈强烈线性相关关系,认为X2和X4与X5之间呈线性相关关系。

 实际上本文数据X5=X2+2*X4,与SPSS逐步分析结果相同。

图4结果解读
图4结果解读

 

 逐步回归分析在优选配方,经济学统计等方面应用非常广泛,借助于SPSS的逐步回归分析功能,统计工作者可以大大节省优选变量的的时间,提高工作效率。

 

 作者:莱阳黎曼

标签:IBM SPSS Statistics

读者也访问过这里:
SPSS Statistics
一款功能强大的数据统计分析工具
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
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
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进行变量赋值的相关操作
变量和个案是IBM SPSS数据界面很重要的两个部分,可以形象理解为地球仪上的经线和纬线。通俗一点讲数据界面的每一列是一种变量,如年龄性别等。一行中的所有变量又构成了一个个案,本篇文章着重讲解变量,个案就不做过多展开。在图1中有具体的标注,可以看一下变量和个案到底是什么样。
2021-02-23
如何通过SPSS对问卷进行效度分析
效度分析是指测量的根据或手段(在问卷中为问卷题目)是否能有效检测所需测量事物的程度,是问卷分析中几乎必须进行的一个环节,效度分析分为内容效度、准则效度和结构效度,问卷分析一般所使用的效度分析一般是结构效度。通过数据分析软件IBM SPSS Statistics(win)的效度分析功能我们可轻松获得关于问卷的效度分析结果,帮助我们更好设计或评估问卷。那么如何通过IBM SPSS Statistics对问卷进行效度分析。
2021-10-26