多元线性回归实例分析.docx

SPSS--回归-多元线性回归模型案例解析！（一）
多元线性回归,主要就是研究一个因变量与多个自变量之间得相关关系,跟一元回归原理
差不多,区别在于影响因素（自变量）更多些而已,例如:一元线性回归方程
为：、仏十朋十F；
毫无疑问,

点击“分析”——回归——线性——进入如下图所示得界面:
将“销售量”作为“因变量”拖入因变量框内,将“车长,车宽,耗油率,车净重等10个自变量拖入自变量框内,如上图所示,在“方法”旁边,选择“逐步”,当然,您也可以选择其它得方式,如果您选择“进入”默认得方式,在分析结果中,将会得到如下图所示得结果:（所有得自变量,都会强行进入）hK°SO。
输入/鶴去的袤量b
模型
输入的娈量
移去的娈量
方法
1
耗浊量:迈肝，车竄Pri(Jeinthousands,Vehicletvp®车鑑Enginesize,Fuel.■■capacity.
Wheelbase,车淨重‘
Horsepower
输入
已输入所有请求的变量孑
Log-transformedsales
如果您选择''逐步〃这个方法,将会得到如下图所示得结果：（将会根据预先设定得“F统计量得概率值进行筛选,最先进入回归方程得“自变量”应该就是跟“因变量”关系最为密切,贡献最大得,如下图可以瞧出,车得价格与车轴跟因变量关系最为密切,符合判断条件得概率值必须小于0、05,当概率值大于等于0、1时将会被剔除）ojdaV。
嗡入/强畫的变量m
模型
输乂的娈量
格去的娈量
方法
1
Priceinthousand^
歩进f准则;F-to-enterS^‘F-to-remov/e的概率=汕(j)倉
.2=
Wheelbase
歩进(准卯F-to-enterg^-to-remote的槪军号10004
-transformedSales
''选择变量(E)"框内，我并没有输入数据，如果您需要对某个''自变量〃进行条件筛选，可以将那
个自变量,移入“选择变量框”内,有一个前提就就是:该变量从未在另一个目标列表中出现！,
再点击''规则〃设定相应得''筛选条件〃即可，如下图所示:4ML2。。
点击'统计量”弹出如下所示得框,如下所示:
标准差
取消
•&棋型拟合度:M}
-..艮方变也固
□描述性
□部分相关和偏相关性芒）
共耀性诊断也）
□Durbin-WatsonfU}
⑥离群値©
©所肓个累
回归耒数
g|估计目
□骨信区间
协方差矩阵电）
鵜差
在“回归系数”下面勾选“估计,在右侧勾选”模型拟合度“与”共线性诊断“两个选项,再勾选
“个案诊断”再点击“离群值”一般默认值为“3”,（设定异常值得依据,只有当残差超过3倍标准
差得观测才会被当做异常值）点击继续。cDNdc。
提示:共线性检验,如果有两个或两个以上得自变量之间存在线性相关关系,就会产生多重共线性现象。这时候,用最小二乘法估计得模型参数就会不稳定,回归系数得估计值很容易引起误导或者导致错误得结论。所以,需要勾选“共线性诊断”来做判断4MiDg。
通过容许度可以计算共线性得存在与否？容许度TOL=1-RI平方或方差膨胀因子
（VIF）:VIF=1/1-RI平方，其中RI平方就是用其她自变量预测第I个变量得复相关系数，显
然,VIF为TOL得倒数,TOL得值越小,VIF得值越大,自变量XI与其她自变量之间存在共线性得可能性越大。1ZW7J。
提供三种处理方法:
1:从有共线性问题得变量里删除不重要得变量2:增加样本量或重新抽取样本。
3:采用其她方法拟合模型,如领回归法,逐步回归法,主成分分析法。
再点击“绘制”选项,如下所示:
DEPENDNT
标准化聂査图
+ZPRED
*ZRESID^DRESID
WJPRED
*SRESID
^SDRESID
上图中:
DEPENDENT因变量）ZPRED（标准化预测值）ZRESID（标准化残差）DRESID（剔除残差）ADJPRED（修正后预测值）SRSID（学生化残差）SDRESID（学生化剔除残差）°kK7s。一般我们大部分以''自变量〃作为X轴，用''残差〃作为Y轴，但就是,也不要忽略特殊情况，这里我们以“ZPRED（标准化预测值）作为収'轴，分别用“SDRESID（血生化剔除残差）〃与
'ZRESID（标准化残差）作为Y轴，分别作为两组绘图变量°j306a||再点击”保存'按钮,进入如下界面:
系數统计
浏览辿〉
&包