spss多元線性回歸分析-閱讀頁
2025-07-10 23:57本頁面
【正文】 量、原油消費量、原煤產(chǎn)量、焦炭產(chǎn)量、原油產(chǎn)量之間的關(guān)系。單擊菜單欄“ ”“ ”“ ”，將彈出如圖17所示的對話框，將通過選擇因變量和自變量來構(gòu)建線性回歸模型。自變量方法選擇：進入，個案標簽使用地名，不使用權(quán)重最小二乘法回歸分析—即WLS權(quán)重為空。選中估計可輸出回歸系數(shù)B及其標準誤，t值和p值，還有標準化的回歸系數(shù)beta。如圖18所示：同時還需要畫出殘差圖，Y軸選擇：ZRESID，X軸選擇: ZPRED。圖194. 許多時候我們需要將回歸分析的結(jié)果存儲起來，然后用得到的殘差、預(yù)測值等做進一步的分析，“保存”按鈕就是用來存儲中間結(jié)果的。本次實驗暫時不保存任何項。在等式中包含常量復(fù)選框：用于決定是否在模型中包括常數(shù)項，默認選中。圖110設(shè)置選項我們來逐一貼出和分析，并根據(jù)它得到最后的回歸方程以及驗證回歸模型。表13所示，是回歸分析過程中輸入、移去模型記錄。模型輸入的變量移去的變量方法1Zscore(原油產(chǎn)量), Zscore(原煤產(chǎn)量), Zscore(焦炭消費量), Zscore(原油消費量), Zscore(煤炭消費量), Zscore(焦炭產(chǎn)量).輸入1. 我們可以看到該模型是擬合優(yōu)度良好。模型RR 方調(diào)整 R 方標準 估計的誤差 ，F(xiàn)的值較大,代表著該回歸模型是顯著。模型平方和df均方F1回歸6殘差22.094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。因而，得到的多元線性回歸方程：Y=++ x2+ 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殘差圖是散點圖，如圖111所示：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。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。圖113 rankit（直方）圖16
法律信息相關(guān)推薦
鄂ICP備17016276號-1