SPSS实现一元线性回归分析报告实例.docx

SPSS实现一元线性回归分析报告实例.docx

《SPSS实现一元线性回归分析报告实例.docx》由会员分享，可在线阅读，更多相关《SPSS实现一元线性回归分析报告实例.docx（11页珍藏版）》请在冰点文库上搜索。

SPSS实现一元线性回归分析报告实例

SPSS实现一元线性回归分析实例

2009-12-1415:

31

1、准备原始数据。

为研究某一大都市报开设周日版的可行性，获得了34种报纸的平日和周日的发行量信息（以千为单位）。

数据如图1所示。

SPSS17.0                   

                    图1

2、判断是否存在线性关系。

制作直观散点图：

〔1〕SPSS：

菜单Analyze/Regression/linearRegression,如图2所示：

                           图2

〔2〕打开对话框如图3

                     图3

图3中，Dependent是因变量，Independent是自变量，分别将左栏中的sunday选入因变量，daily选入自变量，newspaper作为标识标签选入caselabels.

（3）点击图3对话框中的plots按钮，如图4所示：

                  图4

将因变量DEPENTENT选入Y:

，自变量ZPRED选入X:

continue返回上级对话框。

单击主对话框OK.便生成散点图如图5所示：

                                           图5

从以上散点图可看出，二者变量之间关系趋势呈线性关系。

2、回归方程

菜单Analyze/Regression/linearRegression，

在图3对话框的右边单击statistics如图6所示：

                           图6

regressioncoefficient回归系数，estimates估计值，confidenceintervalslevel:

95%置信区间，modelfit拟合模型。

点击continue返回主对话框，单击OK.结果如图7、图8所示：

                   图7

图7中第一个图是变量的输入与输出，从图下的提示可知所有变量均输入与输出，没有遗漏。

图7中的第二图是模型总和R值，R平方值，R调整后的平方值，与标准误。

                               图8

图8中第一图为方差统计图，包括回归平方和，自由度，方程检验F值与P值。

图8第二图为回归参数图，从图中可知，constant为回归方程截距，即13.836，回归系数为1.340，标准误分别为：

35.804和0.071，与t检验值和95%的置信区间的最大值和最小值。

因此回归方程可表示为：

Y=1.34X+13.836。

X因变量，即数据表中的daily,Y是因变量，即数据表中的sunday.

SPSS实现一元线性回归分析实例

2009-12-1415:

31

1、准备原始数据。

为研究某一大都市报开设周日版的可行性，获得了34种报纸的平日和周日的发行量信息（以千为单位）。

数据如图1所示。

SPSS17.0                   

                    图1

2、判断是否存在线性关系。

制作直观散点图：

〔1〕SPSS：

菜单Analyze/Regression/linearRegression,如图2所示：

                           图2

〔2〕打开对话框如图3

                     图3

图3中，Dependent是因变量，Independent是自变量，分别将左栏中的sunday选入因变量，daily选入自变量，newspaper作为标识标签选入caselabels.

（3）点击图3对话框中的plots按钮，如图4所示：

                  图4

将因变量DEPENTENT选入Y:

，自变量ZPRED选入X:

continue返回上级对话框。

单击主对话框OK.便生成散点图如图5所示：

                                           图5

从以上散点图可看出，二者变量之间关系趋势呈线性关系。

2、回归方程

菜单Analyze/Regression/linearRegression，

在图3对话框的右边单击statistics如图6所示：

                           图6

regressioncoefficient回归系数，estimates估计值，confidenceintervalslevel:

95%置信区间，modelfit拟合模型。

点击continue返回主对话框，单击OK.结果如图7、图8所示：

                   图7

图7中第一个图是变量的输入与输出，从图下的提示可知所有变量均输入与输出，没有遗漏。

图7中的第二图是模型总和R值，R平方值，R调整后的平方值，与标准误。

                               图8

图8中第一图为方差统计图，包括回归平方和，自由度，方程检验F值与P值。

图8第二图为回归参数图，从图中可知，constant为回归方程截距，即13.836，回归系数为1.340，标准误分别为：

35.804和0.071，与t检验值和95%的置信区间的最大值和最小值。

因此回归方程可表示为：

Y=1.34X+13.836。

X因变量，即数据表中的daily,Y是因变量，即数据表中的sunday.