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

品牌型号：微星 gl62m

系统：Windows 10 

软件版本：IBM SPSS Statistics

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。

1. 一、逐步回归分析和多元线性回归的区别

逐步回归分析是将变量一个一个引入，引入的前提是：其偏回归平方和检验是显著的。每引入一个新变量后，都需要对已入选回归模型的变量逐个进行检验，将经检验认为不显著的变量删除，以保证所得自变量子集中每一个变量都是显著的。重复数次该步骤直到不能再引入新变量为止。

多元线性回归分析强调自变量有多个，并且自变量与因变量是线性关系。其中自变量进入回归方程的方式有多种，逐步进入法就是其中之一，因而叫逐步回归分析。除了逐步进入法还有全部进入法、向前、向后法等。多元线性回归还可能逻辑回归。

1. 二、SPSS逐步回归分析实例

接下来就在spss上操作一个逐步回归分析的实例

1.导入数据

探究X1、X2、X3、X4、X5、X6与X7的线性回归关系。

2. 依次点击spss的分析-回归-线性

3.设定自变量和因变量，与其他分析法最不同的一步是在方法里选择“步进”，这是最重要的一步。

4.统计量设置如下图所示。

5.点击“图”，”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。

6. 点击“选择”，使用F的概率或F值，数值保持默认即可。

7.点击“继续”，“确定”即完成了逐步分析操作。

8.结果。

三、多元线性回归和逻辑回归的区分

多元线性回归，可视为简单的直线模型的直接推广，具有两个及以上自变量。逻辑回归是一种广义线性回归，属于概率性非线性回归，是研究二分类观察结果与一些影响因素之间关系的一种多变量分析方法。（逻辑回归虽称为回归，但其实是分类模型。）

逻辑回归与多元线性回归分析有许多相通之处。模型都具有w’x+b（其中w和b是待求参数）。其区别在于因变量不同，多重线性回归直接将w‘x+b作为因变量，即y =w’x+b，y就是因变量，而逻辑回归则以p = L(w’x+b)为因变量，L是代表一个函数。如果 L 是逻辑函数，就是逻辑回归，如果L是多项式函数就是多项式回归。

四、总结

以上就是这次带来的逐步回归分析和多元线性回归的区别，SPSS逐步回归分析实例的相关内容了。IBM SPSS Statistics是一款功能强大的数据分析软件，通过不断学习这款软件，会大大提升我们在数据分析时的应用效率，想了解更多关于IBM SPSS Statistics的内容，欢迎访问IBM SPSS Statistics中文网站。