网站首页/硬件软件列表/内容

如何使用SPSS进行一元线性回归区分

硬件软件2024-05-04阅读
SPSS由IBM公司出品,它提供了包括描述性统计、推断性统计、因子分析、聚类分析、回归分析等多种统计分析功能,并包括文本分析、机器学习算法、数据分析模型等。SPSS的界面友好,易于操作,能够快速从数据中提取有用的洞察和分析,广泛应用于教育、心理、医学、市场、人口、保险等多个研究领域,也用于产品质量控制、人事档案管理和日常统计报表等。

回归分析,实际上构建的就是数学模型,通过研究一组随机变量与另一组变量之间的关系,构建或简单的、或复杂的数学方程式,并以此预测因变量的值。如果自变量与因变量之间存在着线性关系,就会构建线性模型,也就是常见的线性回归模型。

线性回归模型如果仅包含一个自变量的话,可构建简单的一元线性回归分析;如果包含多个自变量的话,则构建多元线性回归分析。本文将针对比较简单的一元线性回归分析,介绍如何使用IBM SPSS Statistics的线性回归功能。

一、使用的数据

一元线性回归衡量的是一个自变量x和一个因变量y的线性关系。鉴于该特点,我们会使用一组包含客流量和销售额的数据,研究客流量作为自变量、销售额作为因变量之间的线性关系。

示例数据

图1:示例数据

二、应用线性回归分析

如图2所示,依次单击分析-回归-线性选项,打开偏线性回归设置面板。

线性回归分析

图2:线性回归分析

1、选择变量

在线性回归设置面板中,首先需要分别将销售额、客流量分别添加到右侧因变量、自变量方框中。

选择变量

图3:选择变量

2、指定进入方法

然后,再对线性回归指定进入的方式,其方法含义如下:

1.输入,将自变量全部放入回归模型

2.步进,按照自变量贡献度、剔除与否来决定自变量是否放入回归模型

3.除去,先建立全自变量模型,然后再根据条件剔除自变量

4.后退,与除去相似,也是先建立全自变量模型,不同的是,后退是通过逐次剔除的方式剔除自变量

5.前进,将自变量逐次添加进模型

由于本例分析的是简单的一元线性回归方程,可以按照默认选择“输入”。

进入方法

图4:进入方法

3、统计相关设置

接着,打开选项设置面板,指定回归系数、残差分析等统计数值。回归系数即构建线性回归方程中的系数,可勾选“估算值”。

为了了解模型预测的准确度,需要勾选“模型拟合”选项,了解模型的拟合度,并结合“描述”统计数值,查看平均值、方差等。

另外,在求得一元线性回归方程后,为了检验模型是否具有统计学意义,需分析其残差是否存在自相关,鉴于此,需勾选残差分析中的“德宾-沃森(D-W)”检验。

统计方法

图5:统计方法

4、标准化残差图

同时,在图选项中,勾选标准化残差图中的“直方图”、“正态概览图”,分析残差的自相关性、正态性。

标准化残差图

图6:标准化残差图

5、选项设置

如果进入方法中选择“步进法”,可在选项中指定使用F概率或F值的形式。另外,回归方程中如需包含常量,需勾选“在方程中包括常量”。

选项设置

图7:选项设置

三、小结

IBM SPSS Statistics的线性回归分析,可构建多个自变量与多个因变量的线性回归方程,并以此进行因变量值的预测,而一元线性回归方程是其中比较简单的线性回归分析,多用于分析影响因变量中的关键因素。


世界上许多有影响的报刊杂志就SPSS给予了高度的评价。
相关阅读