发布时间:2022-11-03 10:28:25 文章来源:互联网
微博 微信 QQ空间

联想GeekPro2020系统:IBMSPSSStatistics回归分析spss步骤

联想GeekPro2020系统:IBMSPSSStatistics回归分析spss步骤

品牌型号:联想GeekPro 2020

系统:Windows 10 64 位专业版

软件版本:IBM SPSS Statistics

回归分析spss步骤,本文将以研究客流对销售的影响为例来演示spss的操作步骤。同时也会对回归分析的spss结果进行具体解读,进一步讲解其他类型的回归分析,帮助加深回归分析的知识。

1.回归分析spss的步骤

本文利用一组流量和销量数据,构建流量和销量的线性回归分析,研究流量变化对销量的影响。

图 1:示例数据

本例中的数据只包含一个自变量和一个因变量,因此可以构造一个简单的单变量线性回归方程。依次点击spss的analysis-regression-linear选项,进行线性回归分析。

图 2:线性回归分析

第一步是选择变量,在因变量和自变量选项中加入销售额和客流,研究自变量客流对因变量销售额的影响。

图 3:选择变量

第二步,指定线性回归的进入方式,包括input(将所有自变量放入回归模型),step(根据自变量的贡献度判断是否将自变量放入回归模型) , 是否消除), 并删除(建立自变量)。变量模型建立后,有五种方法:根据条件剔除自变量)、后向(类似于去除,但后向采用逐次剔除自变量的方法)和前向(逐次添加自变量)。

由于本例分析的是一个简单的单变量线性回归方程,因此可以默认选择“输入”。

图 4:进入方法

第三步,设置统计信息,分别指定以下统计信息:

1.回归系数,计算线性回归方程的系数,勾选“估计值”,得到参数估计值。

2.模型拟合,要了解模型的拟合度和预测的准确度,可以同时查看“描述”统计量使用回归分析法可以预测销售额,查看均值、方差等。

3.残差,检查“Durbin-Watson (DW)”检验使用回归分析法可以预测销售额,了解残差是否存在自相关,检验模型是否具有统计显着性。

图 5:统计方法

第四步,在标准化残差图中设置参考图表,如“直方图”和“正态概览图”,辅助分析残差的自相关性和正态性,检验模型是否具有统计显着性。

图 6:标准化残差图

第五步,如果需要在回归方程中设置常数项,需要在“选项”设置中勾选“在方程中包含常数”。

图 7:选项设置

2.回归分析spss结果解读

完成以上spss设置后,即可进行操作获取结果。我们需要检验回归方程是否具有统计显着性,并从模型拟合程度和残差是否具有自相关来判断其预测的准确性。

一个。模型拟合效果

模型总结,得到的回归方程的R平方为0.839。R平方值越接近1,方程的拟合度越好,一般需要大于0.6。本例回归方程的R平方为0.839,说明本例得到的回归方程拟合效果良好。

图 8:模型摘要

ANOVA分析,回归模型的显着性值为0.00,小于置信空间0.05,表示有95%的概率拒绝原假设(原假设是乘客之间不存在回归关系)流量和销售额),即客流与销售额存在显着的回归关系。

图 9:方差分析测试

湾。残差相关分析

通过回归方程R平方和ANOVA分析可知回归方程具有统计显着性,但模型是否具有准确预测,还需通过残差相关分析进一步确认。如果残差是自相关的,则模型的预测精度不高。

看模型汇总中的Durbin-Watson值是2.060,查阅Durbin-Watson表,样本量n=198(使用200样本量DW值),控制变量个数k=1,其下限临界值LD=1.664,上临界值UD=1.684。

而本例的 Durbin-Watson 值为 2.060。根据判断规则,本例的回归方程符合“如果UD

图 10:DW 检查

残差直方图,可以看到残差的分布接近于正态曲线的分布。

图 11:残差直方图

结合正态PP图的分析,数值分布近似于一条直线,说明残差的正态性较好。

在残差不存在自相关且服从正态分布的前提下,说明回归方程具有良好的可预测性。

图 12:残余 PP 图

C。构建模型表达式

在回归模型具有统计显着性、残差不存在自相关且残差满足正态分布的前提下,可以得到回归方程的回归系数来构造回归方程。

系数分析表,客流回归系数显着性值为0.00

图 13:选择变量

回归分析有哪些类型

在上面的例子中,我们演示了一个简单的线性回归分析,那么还有哪些其他类型的回归分析呢?

回归分析包括线性回归和非线性回归分析,包括:

1、线性回归分析,可分为单变量线性回归分析(一个自变量X与因变量Y的关系)和多元线性回归分析(多个自变量与因变量Y的关系)

2、非线性回归分析又称曲线回归,根据因变量是定量变量还是定性变量,可分为Logistic回归、有序回归、Probit回归等。在非线性回归分析中,由于模型未知,分析情况会比较复杂,往往需要借助图表归纳或简化为多元线性回归的方式进行分析。

4.总结

以上是回归分析spss的步骤,以及回归分析spss结果解读的相关内容。本文重点介绍spss中单变量线性回归分析的步骤,其中将涉及到回归方程的使用,如共线性、残差相关性、残差正态性和方程的拟合优度。

另一视角

换一换