spss線性回歸分析講稿(編輯修改稿)
2025-03-28 23:07 本頁面
【文章內(nèi)容簡介】 ，在【圖】子對話框中的標(biāo)準(zhǔn)化殘差圖選項欄中選中正態(tài)概率圖復(fù)選框，以便對殘差的正態(tài)性進(jìn)行分析 步驟 4：單擊【保存】按鈕，在【保存】子對話框中【殘差】選項欄中選中【未標(biāo)準(zhǔn)化】復(fù)選框，單擊【繼續(xù)】這樣可以在數(shù)據(jù)文件中生成一個變量名尾 res_1 的殘差變量，以便對殘差進(jìn)行進(jìn)一步分析。 一元線性回歸分析 ? 其余保持 Spss默認(rèn)選項。在主對話框中單擊確定按鈕，執(zhí)行線性回歸命令，其結(jié)果如下： ?表 3給出了回歸模型的擬和優(yōu)度（ R Square）、調(diào)整的擬和優(yōu)度（ Adjusted RSquare）、估計標(biāo)準(zhǔn)差（ Std. Error of the Estimate）以及 Durbin－ Watson統(tǒng)計量。從結(jié)果來看，回歸的確定系數(shù)和調(diào)整的可決系數(shù)分別為 ，即銷售量的 95％以上的變動都可以被該模型所解釋，擬和優(yōu)度較高。 表 2 表 3 一元線性回歸分析 ? 表 4給出了回歸模型的方差分析表，可以看到， F統(tǒng)計量為，對應(yīng)的 p值為 0，所以，拒絕模型整體不顯著的原假設(shè)，即該模型的整體是顯著的。 表 4 一元線性回歸分析 ? 表 5給出了回歸系數(shù)、回歸系數(shù)的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)化的回歸系數(shù)值以及各個回歸系數(shù)的顯著性 t檢驗。從表中可以看到解釋變量 x及常量其 t統(tǒng)計量對應(yīng)的 p值都小于顯著性水平 ，因此，在 下都通過了 t檢驗。變量 x的回歸系數(shù)為 ，即獎金每增加 1%，銷售量就增加 。 表 5 ? 為了判斷隨機擾動項是否服從正態(tài)分布，觀察圖 5所示的標(biāo)準(zhǔn)化殘差的 P－ P圖，可以發(fā)現(xiàn)，各觀測的散點基本上都分布在對角線上，據(jù)此可以初步判斷殘差服從正態(tài)分布。 圖 5 一元線性回歸分析 建立回歸模型： ? 根據(jù)一元回歸模型： ? 把表 5中“非標(biāo)準(zhǔn)化回
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1