IBM SPSS Statistics的列联表分析,也称为交叉表分析,用于分析两个或以上分组变量的相关关系,在分析影响满意度的因素、药物有效性等方面都有很好的应用。 本文将以较为简单的二乘......
2023-02-05 211 SPSS列联表分析 SPSS探索变量间的相关关系
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。
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。
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。
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”。
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。
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。
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”。
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。
标签: SPSS一元线性回归分析
相关文章
IBM SPSS Statistics的列联表分析,也称为交叉表分析,用于分析两个或以上分组变量的相关关系,在分析影响满意度的因素、药物有效性等方面都有很好的应用。 本文将以较为简单的二乘......
2023-02-05 211 SPSS列联表分析 SPSS探索变量间的相关关系
变量之间的相关性,是数据分析中常见的关系,衡量的是变量之间相关的密切程度,比如衡量客流量与销售额的相关性、客单价与销售额的相关性等。检验数据是否具有相关性,常用的......
2023-06-20 202 SPSS检验两变量间相关关系
卡方检验是一种常用的非参数检验方法,其统计的是样本的实际观测值与理论推断值之间的偏离程度,卡方值越大,二者偏差程度越大;反之,二者偏差程度越小,可用于检验数值是否......
2023-02-05 220 SPSS卡方检验 SPSS检验数据是否服从均匀分布
在进行数据录入时,以数值型数据录入会更有利于后续的统计计算。但如果在录入时,采用了字符串值的录入方式,该如何将其转化为可计算的数值呢?在这种情况下,可以使用IBM SP......
2023-01-18 202 SPSS重新编码 SPSS自动编码功能
IBM SPSS Statistics重新编码功能,包含了重新编码到相同的变量、重新编码到不同的变量、自动重新编码的功能。本文将重点讲解重新编码为相同或不同变量的功能。 重新编码到相同的变......
2023-01-18 202 SPSS重新编码