多元线性回归实例分析.doc

-
. z.
SPSS--回归-多元线性回归模型案例解响也越大〕
在"预测区间〞勾选"均值〞和"单值〞 点击"继续〞按钮，再点击"确定按钮，得到如下所示的分析结果：(此分析结果，采用的是"逐步法〞得到的结果〕
SPSS—回归—多元线性回归结果分析〔二〕
，最近一直很忙，公司的潮起潮落，就好比人生的跌岩起伏，眼看着一步步走向衰弱，却无能为力，也许要学习"步步惊心〞里面"四阿哥〞的座右铭："行到水穷处〞，〞坐看云起时"。
接着上一期的"多元线性回归解析〞里面的内容，上一次，没有写结果分析，这次补上，结果分析如下所示：
结果分析1：
由于开场选择的是"逐步〞法，逐步法是"向前〞和"向后〞的结合体，从结果可以看出，最先进入"线性回归模型〞的是"price in thousands"   建立了模型1，紧随其后的是"Wheelbase"  建立了模型2，所以，模型中有此方法有个概率值，，进入
-
. z.
"线性回归模型〞〔最先进入模型的，相关性最强，关系最为密切〕，从"线性模型中〞剔除
结果分析：
1：从"模型汇总〞中可以看出，有两个模型，〔模型1和模型2〕从R2 拟合优度来看，模型2的拟合优度明显比模型1要好一些
〔>〕
2：从"Anova"表中，可以看出"模型2〞中的"回归平方和〞，"残差平方和〞，由于总平方和=回归平方和+残差平方和，由于残差平方和(即指随即误差，不可解释的误差〕由于"回归平方和〞跟"残差平方和〞几乎接近，所有，此线性回归模型只解释了总平方和的一半，
3：根据后面的"F统计量〞，<，随着"自变量〞的引入，，所以可以显著地拒绝总体回归系数为0的原假设，通过ANOVA方差分析表可以看出"销售量〞与"价格〞和"轴距〞之间存在着线性关系，至于线性关系的强弱，需要进一步进展分析。
结果分析：
1：从"已排除的变量〞表中，可以看出："模型2〞中各变量的T检的概率值都大于"〞所以，不能够引入"线性回归模型〞必须剔除。
从"系数a〞 表中可以看出：
1：多元线性回归方程应该为：销售量=--*价格+*轴距
但是，由于常数项的sig为〔>) 所以常数项不具备显著性，所以，我们再看后面的"标准系数〞，在标准系数一列中，可以看到"常数项〞没有数值，已经被剔除
-
. z.
所以：标准化的回归方程为：销售量=-*价格+*轴距
2：再看最后一列"共线性统计