spss多元線性回歸分析-資料下載頁
2025-06-25 23:57本頁面
【正文】 入表13 輸入的變量1. 表14所示是模型匯總，R稱為多元相關(guān)系數(shù)，R方（R2）代表著模型的擬合度。1. 我們可以看到該模型是擬合優(yōu)度良好。模型匯總模型匯總模型RR 方調(diào)整 R 方標準 估計的誤差Sig.1.962.925.905.30692707.000表14 模型匯總。 ，F(xiàn)的值較大,代表著該回歸模型是顯著。也稱為失擬性檢驗。模型平方和df均方F1回歸6殘差22.094總計28表15 離散分析，根據(jù)這些系數(shù)我們能夠得到完整的多元回歸方程。觀測以下的回歸值，都是具有統(tǒng)計學意義的。因而，得到的多元線性回歸方程：Y=++ x2+ （x1為煤炭消費量，x2為焦炭消費量，x3為原油消費量，x4為原煤產(chǎn)量，x5為原炭產(chǎn)量，x6為原油產(chǎn)量，Y是能源消費總量）結(jié)論：能量消費總量由主要與煤炭消費總量所影響，成正相關(guān)；與原煤產(chǎn)量成一定的反比。系數(shù)模型非標準化系數(shù)標準系數(shù)tSig.B標準 誤差beta1(常量).008.057.149.883Zscore(煤炭消費量).126.000Zscore(焦炭消費量).087.101.088.856.401Zscore(原油消費量).157.085.159.078Zscore(原煤產(chǎn)量).155.028Zscore(焦炭產(chǎn)量).150.493Zscore(原油產(chǎn)量).070.807表16回歸方程系數(shù)，主要是殘差分析。殘差圖是散點圖，如圖111所示：圖111殘差圖可以看出各散點隨機分布在e=0為中心的橫帶中，證明了該模型是適合的。同時我們也發(fā)現(xiàn)了兩個異常點，就是廣東省和四川省，這種離群點是值得進一步研究的。還有一種殘差正態(tài)概率圖（rankit圖）可以直觀地判斷殘差是否符合正態(tài)分布。如圖112所示：圖112 rankit（PP）圖它的直方圖如圖113所示：圖113 rankit（直方）圖
法律信息相關(guān)推薦
鄂ICP備17016276號-1