回归分析spss实现VIP免费

第九讲回归分析的SPSS实现线性回归分析•被解释变量和各个解释变量各对应一个spss变量．•一元线性回归和多元线性回归分析的功能菜单是集成到一起的．•数据：高校科研研究.data一、描绘散点交互图•基本步骤–Graphs---interactive---Scatterplot–AssignVariable---y=课题数；x=高级职称人数–Fit---Method---选择Regression–OKLinearRegressionwith95.00%MeanPredictionInterval0.01000.02000.03000.0ͶÈë¸ß¼¶Ö°³ÆµÄÈËÄêÊý£¨ÉÏÄ꣩0.01000.02000.03000.04000.0¿ÎÌâ×ÜÊý¿ÎÌâ×ÜÊý=-24.52+0.95*X3R-Square=0.89二、用LinearRegression分析•Analyze---Regression---Linear•选择被解释变量进入Dependent框---课题数•选择一个或多个解释变量进入Independent(s)框•METHOD---Enter;stepwise;---•单击Statistics,选择全部核选框•单击Plots,选择”Histogram”核选框和”Normalprobalityplot”•选择”ZPRED”输入到”Y”;选择”SRESID”输入到”X”;•OK（一）立项课题数多元线性回归分析结果(enter策略)ModelSummaryb.969a.939.924231.5255.93961.532624.0001.838Model1RRSquareAdjustedRSquareStd.ErroroftheEstimateRSquareChangeFChangedf1df2Sig.FChangeChangeStatisticsDurbin-WatsonPredictors:(Constant),»ñ½±Êý£¨ÉÏÄ꣩,ͶÈë¿ÆÑÐÊÂÒµ·Ñ£¨°ÙÔª£©£¨ÉÏÄ꣩,ÂÛÎÄÊý(ÉÏÄ꣩,רÖøÊý£¨ÉÏÄ꣩,ͶÈëÈËÄêÊý,ͶÈë¸ß¼¶Ö°³ÆµÄÈËÄêÊý£¨ÉÏÄ꣩a.DependentVariable:¿ÎÌâ×ÜÊýb.结果一:模型综述表结果说明:1)调整后的R2=0.939,因此模型的拟和优度较高;模型的F检验达到了0.00的极显著水平.说明模型的线性关系较显著,具有较强的解释能力2)D.W值=1.838接近于2,说明模型的序列相关性不强.结果二:模型方差分析表ANOVAb1979031363298385.48061.532.000a12864972453604.0472107681030RegressionResidualTotalModel1SumofSquaresdfMeanSquareFSig.Predictors:(Constant),»ñ½±Êý£¨ÉÏÄ꣩,ͶÈë¿ÆÑÐÊÂÒµ·Ñ£¨°ÙÔª£©£¨ÉÏÄ꣩,ÂÛÎÄÊý(ÉÏÄ꣩,רÖøÊý£¨ÉÏÄ꣩,ͶÈëÈËÄêÊý,ͶÈë¸ß¼¶Ö°³ÆµÄÈËÄêÊý£¨ÉÏÄ꣩a.DependentVariable:¿ÎÌâ×ÜÊýb.结果说明:模型的F检验值=61.532,对应的概率值P=0.00,远小于0.01的极显著水平,应该拒绝回归系数为零的原假设,即认为回归系数不同时为零,被解释变量与解释变量全体的线性关系是显著的,可以建立线性模型.结果三:系数分析表Coefficientsa-35.31376.580-.461.649-193.367122.740.698.2081.3613.352.003.2681.128.959.565.169.01564.811-.467.626-.464-.747.463-1.759.824.944-.151-.038.007151.824.003.002.2371.601.122-.001.007.862.311.081.1178.576.022.377.014.059.953-.755.800.868.012.003.04621.875-.064.053-.252-1.198.243-.173.046.887-.238-.060.05817.384.712.503.1191.416.170-.3261.751.665.278.071.3582.796(Constant)ͶÈëÈËÄêÊýͶÈë¸ß¼¶Ö°³ÆµÄÈËÄêÊý£¨ÉÏÄ꣩ͶÈë¿ÆÑÐÊÂÒµ·Ñ£¨°ÙÔª£©£¨ÉÏÄ꣩רÖøÊý£¨ÉÏÄ꣩ÂÛÎÄÊý(ÉÏÄ꣩»ñ½±Êý£¨ÉÏÄ꣩Model1BStd.ErrorUnstandardizedCoefficientsBetaStandardizedCoefficientstSig.LowerBoundUpperBound95%ConfidenceIntervalforBZero-orderPartialPartCorrelationsToleranceVIFCollinearityStatisticsDependentVariable:¿ÎÌâ×ÜÊýa.结果说明:•1)由于回归方程:课题立项数=-35.313+0.698投入人年数+---•2)变量的显著性检验:只有“投入人年数”达到了0.003的极显著水平,其他变量都不显著,说明除了“投入人年数”外，其他变量都与课题立项数没有显著的线性关系。•3)多重共线性检验:容忍度（tolerance）越接近于0，多重共线性越强；方差膨胀因...