兰大管理学院线性回归分析.docx
- 文档编号:10076836
- 上传时间:2023-05-23
- 格式:DOCX
- 页数:12
- 大小:287.50KB
兰大管理学院线性回归分析.docx
《兰大管理学院线性回归分析.docx》由会员分享,可在线阅读,更多相关《兰大管理学院线性回归分析.docx(12页珍藏版)》请在冰点文库上搜索。
兰大管理学院线性回归分析
基于SPSS的线性回归分析
--统计项说明
——多元分析报告
姓名:
专业:
学号:
SPSS线性回归分析选项菜单的各个统计项说明
相关软件:
IBMSPSS20.0
打开SPSS软件,调用主菜单的分析→回归→线性回归命令,打开线性回归对话框如图1所示。
图1
图1中因变量为年龄,自变量为研究人员的质量指标,从事研究工作的时间,能成功获得资助的指标。
选项“方法”:
主要有进入、逐步、删除、向前,向后五种线性回归方法。
在开始回归之前,如果已经对各项因素很熟悉了,基本确定影响因素,那么可以选“进入”,如果对因素不甚了解,对其主次顺序还不太明确时,建议用“逐步”的方法;另外,逐步的方法可以对回归方程进行优化,所以最终得到的方程一般来讲是最优的。
点击右上角的“统计量”菜单,如图2。
图2
选项“估计”可以输出回归系数B的估计值、t统计量等。
选项“Durbin-Watson”是进行DW检验。
选项“模型拟合度”可以输出拟合优度统计量值,如R2和调整后的R2、F统计量值、方差分析表等。
选项“R方变化”输出由于加入和剔除变量而引起的复相关系数平方的变化。
选项“描述性”输出变量矩阵、标准差和相关系数单侧显著性水平矩阵。
选项“部分相关和偏相关”输出相关系数和偏相关系数。
选项“共线性诊断”显示单个变量和共线性分析的公差。
点击“绘制”选项,得到图3。
图3
选项“DEPENDNT”指因变量。
选项“*ZPRED”指标准化预测值。
选项“*ZRESID”指标准化残差。
选项“*DRESID”指删除残差。
选项“*ADJPRED”指调节预测值。
选项“*SRESID”指学生氏化残差。
选项“*SDRESID”指学生氏化删除残差。
点击“保存”选项,得到图4。
图4
这里只说明“影响统计量”选项
选项“DfBeta”指删除一个特定的观测值所引起的回归系数的变化。
选项“标准化DfBeta”指标准化的DfBeta值。
选项“DiFit”指删除一个特定的观测值所引起的预测值的变化。
选项“标准化DiFit”指标准化的DiFit值。
选项“协方差比率”指删除一个观测值后的协方差矩隈的行列式和带有全部观测值的协方差矩阵的行列式的比率。
点击“选项”得到如图5。
图5
选项“使用F的概率”指一个变量的F值的概率小于所设置的进入值,那么这个变量将被选入回归方程中;当变量的F值的概率大于设置的剔除值,则该变量将从回归方程中被剔除。
选项“实用F值”指如果一个变量的F值大于所设置的进入值,那么这个变量将被选入回归方程中;当变量的F值小于设置的剔除值,则该变量将从回归方程中被剔除。
选项“按列表排除个案”指剔除所有含有缺失值的观测值。
选项“按对排除个案”指仅剔除参与统计分析计算的变量中含有缺失值的观测量。
选项“使用均值替换”指用变量的均值取代缺失值。
最后提交确定会得到分析结果图和表。
多元线性回归案例分析报告
1.报告主题
某科学基金会估计从事某研究学者的年薪Y与研究成果的质量指标X1、从事研究工作时间X2、能成功获得资助的指标X3之间的关系。
通过调研了24位学者,所得数据如下(表1)。
表1
编号
X1
X2
X3
Y
1
3.5
9
6.1
33.2
2
5.3
20
6.4
40.3
3
5.1
18
7.4
38.7
4
5.8
33
6.7
46.8
5
4.2
31
7.5
41.4
6
6
13
5.9
37.5
7
6.8
25
6
39
8
5.5
30
4
40.7
9
3.1
5
5.8
30.1
10
7.2
47
8.3
52.9
11
4.5
25
5
38.2
12
4.9
11
6.4
31.8
13
8
23
7.6
43.3
14
6.5
35
7
44.1
15
6.6
39
5
42.5
16
3.7
21
4.4
33.6
17
6.2
7
5.5
34.2
18
7
40
7
48
19
4
35
6
38
20
4.5
23
3.5
35.9
21
5.9
33
4.9
40.4
22
5.6
27
4.3
36.8
23
4.8
34
8
45.2
24
3.9
15
5.8
35.1
将上述数据输入SPSS中,保存为“文件线性回归.sav”中。
2.报告分析
调用SPSS主菜单的分析→回归→线性回归命令,打开相关对话框,经过相关操作和设置得到以下分析结果。
表2
VariablesEntered/Removeda
Model
VariablesEntered
VariablesRemoved
Method
1
能成功获得自助的指标,从事研究工作时间,研究成果的质量指标b
.
Enter
此表是变量的进入信息表,系统采用的回归方法为进入,即普通线性回归方法,在整个回归过程中产生了一个模型,并且此模型与全部进入的变量建立了多元线性回归模型。
表3
ModelSummaryb
Model
R
RSquare
AdjustedRSquare
Std.ErroroftheEstimate
Durbin-Watson
1
.956a
.913
.900
1.72823
2.411
a.Predictors:
(Constant),能成功获得自助的指标,从事研究工作时间,研究成果的质量指标
b.DependentVariable:
年薪
此表为模型概述表,说明学者年薪可以由三个自变量中90%的变异来解释,显然模型拟合数据的效果较好。
此外还给出了模型的DW检验值2.411。
表4
ANOVAa
Model
SumofSquares
df
MeanSquare
F
Sig.
1
Regression
627.631
3
209.210
70.045
.000b
Residual
59.736
20
2.987
Total
687.366
23
a.DependentVariable:
年薪
b.Predictors:
(Constant),能成功获得自助的指标,从事研究工作时间,研究成果的质量指标
此表为方差分析表,给出了模型的F检验值,查表可知当显著性水平为0.05,自由度为(3,20)时F检验的临界值远远小于F值,因此模型有效。
表5
Coefficientsa
Model
UnstandardizedCoefficients
StandardizedCoefficients
t
Sig.
B
Std.Error
Beta
1
(Constant)
17.436
2.013
8.661
.000
研究成果的质量指标
1.119
.323
.264
3.462
.002
从事研究工作时间
.322
.037
.660
8.800
.000
能成功获得自助的指标
1.333
.295
.314
4.521
.000
a.DependentVariable:
年薪
此表为回归系数表
y=17.436+1.119X1+0.322X2+1.333X3.由t检验可知回归系数显著。
回归分析中,总假定残差服从正态分布,图1和图2就是根据24位学者的样本数据的计算结果显示残差分布的实际状况。
图1
图2
其中图1为残差分布直方图,图2为观察量累计概率图。
从回归残差的直方图与图上的正态分布曲线相比较,可以认为残差基本服从正态分布。
进一步观察图2,图中的斜线对应着一个均值为0的正态分布,并且散点大致分布在斜线附近,可以认为残差分布基本上是正态的。
图3
图3为标准化残差与标准化Y的预测值的散点图。
从图中可以看出,随着Y的估计值的变化,残差无明显变化,因为误差变量的方差为常数,不具有异方差性。
3.报告总结
接下来就可以通过上述多建立的模型可以进行预测了(略)。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 管理学院 线性 回归 分析