spss多元線性回歸實例演示教學

1、Good is good, but better carries it.精益求精，善益求善。spss多元線性回歸實例-SPSS19.0實戰(zhàn)之多元線性回歸分析(2011-12-0912:19:11)HYPERLINKjavascript:;轉載標簽：HYPERLINK/?c=blog&q=%CE%C4%BB%AF&by=tagt_blank文化分類：HYPERLINK/s/articlelist_2482873935_10_1.htmlt_blank軟件介紹線性回歸數據（全國各地區(qū)能源消耗量與產量）來源，可點擊協(xié)會博客數據挖掘欄：國泰安數據服務中心的經濟研究數據庫。1.1數據預處理數據預處理包括

2、的內容非常廣泛，包括數據清理和描述性數據匯總，數據集成和變換，數據歸約，數據離散化等。本次實習主要涉及的數據預處理只包括數據清理和描述性數據匯總。一般意義的數據預處理包括缺失值填寫和噪聲數據的處理。于此我們只對數據做缺失值填充，但是依然將其統(tǒng)稱數據清理。1.1.1數據導入與定義單擊“打開數據文檔”，將xls格式的全國各地區(qū)能源消耗量與產量的數據導入SPSS中，如圖1-1所示。圖1-1導入數據導入過程中，各個字段的值都被轉化為字符串型（String），我們需要手動將相應的字段轉回數值型。單擊菜單欄的“”-“”將所選的變量改為數值型。如圖1-2所示：圖1-2定義變量數據類型1.1.2數據清理數據清

3、理包括缺失值的填寫和還需要使用SPSS分析工具來檢查各個變量的數據完整性。單擊“”-“”，將檢查所輸入的數據的缺失值個數以及百分比等。如圖1-3所示：圖1-3缺失值分析能源數據缺失值分析結果如表1-1所示：單變量統(tǒng)計N均值標準差缺失極值數目a計數百分比低高能源消費總量309638.506175.9240.001煤炭消費量309728.997472.2590.002焦炭消費量30874.611053.0080.002原油消費量281177.511282.74426.701汽油消費量30230.05170.2700.001煤油消費量2845.4066.18926.704柴油消費量30392.343

4、00.9790.002燃料油消費量30141.00313.4670.003天然氣消費量3019.5622.0440.002電力消費量30949.64711.6640.003原煤產量269125.9712180.689413.302焦炭產量291026.491727.73513.302原油產量181026.481231.7241240.000燃料油產量2590.72134.150516.703汽油產量26215.18210.090413.302煤油產量2048.4462.1301033.300柴油產量26448.29420.675413.301天然氣產量2029.2849.3911033.303

5、電力產量30954.74675.2300.000表2-1能源消耗量與產量數據缺失值分析表1-1能源消耗量與產量數據缺失值分析SPSS提供了填充缺失值的工具，點擊菜單欄“”-“”，即可以使用軟件提供的幾種填充缺失值工具，包括序列均值，臨近點中值，臨近點中位數等。結合本次實習數據的具體情況，我們不使用SPSS軟件提供的替換缺失值工具，主要是手動將缺失值用零值來代替。1.1.3描述性數據匯總描述性數據匯總技術用來獲得數據的典型性質，我們關心數據的中心趨勢和離中趨勢，根據這些統(tǒng)計值，可以初步得到數據的噪聲和離群點。中心趨勢的量度值包括：均值（mean），中位數（median），眾數（mode）等。離中

6、趨勢量度包括四分位數（quartiles），方差（variance）等。SPSS提供了詳盡的數據描述工具，單擊菜單欄的“”-“”-“”，將彈出如圖2-4所示的對話框，我們將所有變量都選取到，然后在選項中勾選上所希望描述的數據特征，包括均值，標準差，方差，最大最小值等。由于本次數據的單位不盡相同，我們需要將數據標準化，同時勾選上“將標準化得分另存為變量”。圖1-4描述性數據匯總得到如表1-2所示的描述性數據匯總。N極小值極大值均值標準差方差能源消費總量30911261649638.506175.92438142034.412煤炭消費量30332290019728.997472.259558346

7、51.378焦炭消費量30195461874.611053.0081108824.853原油消費量30055551099.011273.2651621202.562汽油消費量3018771230.05170.27028991.746煤油消費量30026242.3764.8964211.520柴油消費量30271368392.34300.97990588.441燃料油消費量3001574141.00313.46798261.261天然氣消費量30110619.5622.044485.947電力消費量30983004949.64711.664506464.953原煤產量300581427909.1

8、711741.3881.379E8焦炭產量3009202992.281707.9982917256.193原油產量2904341637.121085.3791178048.432燃料油產量30049775.60126.79116075.971汽油產量3001032186.49208.77143585.122煤油產量30021932.3055.3943068.535柴油產量3001911388.52420.216176581.285天然氣產量30016419.5242.3711795.341電力產量30972536954.74675.230455935.003有效的N（列表狀態(tài)）29表1-2描述

9、性數據匯總標準化后得到的數據值，以下的回歸分析將使用標準化數據。如圖1-5所示：圖1-5數據標準化我們還可以通過描述性分析中的“”來得到各個變量的眾數，均值等，還可以根據這些量繪制直方圖。我們選取個別變量（能源消費總量）的直方圖，可以看到我們因變量基本符合正態(tài)分布。如圖1-6所示：圖1-6能源消費總量1.2回歸分析我們本次實驗主要考察地區(qū)能源消費總額（因變量）與煤炭消費量、焦炭消費量、原油消費量、原煤產量、焦炭產量、原油產量之間的關系。以下的回歸分析所涉及只包括以上幾個變量，并使用標準化之后的數據。1.2.1參數設置1.單擊菜單欄“”-“”-“”，將彈出如圖1-7所示的對話框，將通過選擇因變量

10、和自變量來構建線性回歸模型。因變量：標準化能源消費總額；自變量：標準化煤炭消費量、標準化焦炭消費量、標準化原油消費量、標準化原煤產量、標準化焦炭產量、標準化原油產量。自變量方法選擇：進入，個案標簽使用地名，不使用權重最小二乘法回歸分析即WLS權重為空。圖1-7選擇線性回歸變量還需要設置統(tǒng)計量的參數，我們選擇回歸系數中的“”和其他項中的“”。選中估計可輸出回歸系數B及其標準誤，t值和p值，還有標準化的回歸系數beta。選中模型擬合度復選框：模型擬合過程中進入、退出的變量的列表，以及一些有關擬合優(yōu)度的檢驗：R，R2和調整的R2,標準誤及方差分析表。如圖1-8所示：圖1-8設置回歸分析統(tǒng)計量3.在設

11、置繪制選項的時候，我們選擇繪制標準化殘差圖，其中的正態(tài)概率圖是rankit圖。同時還需要畫出殘差圖，Y軸選擇：ZRESID，X軸選擇:ZPRED。如圖1-9所示：圖1-9設置繪制左上框中各項的意義分別為:“DEPENDNT”因變量“ZPRED”標準化預測值“ZRESID”標準化殘差“DRESID”刪除殘差“ADJPRED”調節(jié)預測值“SRESID”學生化殘差“SDRESID”學生化刪除殘差4.許多時候我們需要將回歸分析的結果存儲起來，然后用得到的殘差、預測值等做進一步的分析，“保存”按鈕就是用來存儲中間結果的?？梢源鎯Φ挠校侯A測值系列、殘差系列、距離（Distances）系列、預測值可信區(qū)間系

12、列、波動統(tǒng)計量系列。本次實驗暫時不保存任何項。5.設置回歸分析的一些選項，有：步進方法標準單選鈕組：設置納入和排除標準，可按P值或F值來設置。在等式中包含常量復選框：用于決定是否在模型中包括常數項，默認選中。如圖1-10所示：圖1-10設置選項1.2.2結果輸出與分析在以上選項設置完畢之后點擊確定，SPSS將輸出一系列的回歸分析結果。我們來逐一貼出和分析，并根據它得到最后的回歸方程以及驗證回歸模型。1.表1-3所示，是回歸分析過程中輸入、移去模型記錄。具體方法為：enter（進入）輸入移去的變量模型輸入的變量移去的變量方法1Zscore(原油產量),Zscore(原煤產量),Zscore(焦炭

13、消費量),Zscore(原油消費量),Zscore(煤炭消費量),Zscore(焦炭產量).輸入表1-3輸入的變量表1-4所示是模型匯總，R稱為多元相關系數，R方（R2）代表著模型的擬合度。我們可以看到該模型是擬合優(yōu)度良好。模型匯總模型匯總模型RR方調整R方標準估計的誤差Sig.1.962.925.905.30692707.000表1-4模型匯總3.表1-5所示是離散分析。，F(xiàn)的值較大,代表著該回歸模型是顯著。也稱為失擬性檢驗。模型平方和df均方F1回歸25.66064.27745.397殘差2.07222.094總計27.73228表1-5離散分析4.表1-6所示的是回歸方程的系數，根據這些

14、系數我們能夠得到完整的多元回歸方程。觀測以下的回歸值，都是具有統(tǒng)計學意義的。因而，得到的多元線性回歸方程：Y=0.008+1.061x1+0.087x2+0.157x3-0.365x4-0.105x5-0.017x6（x1為煤炭消費量，x2為焦炭消費量，x3為原油消費量，x4為原煤產量，x5為原炭產量，x6為原油產量，Y是能源消費總量）結論：能量消費總量由主要與煤炭消費總量所影響，成正相關；與原煤產量成一定的反比。系數模型非標準化系數標準系數tSig.B標準誤差beta1(常量).008.057.149.883Zscore(煤炭消費量)1.061.1261.0718.432.000Zscore(焦炭消費量).087.101.088.856.401Zscore(原油消費量).157.085.1591.848.078Zscore(原煤產量)-.365.155-.372-2.360.028Zscore(焦炭產量)-.105.150-.107-.697.493Zscore(原油產量)-.017.070-.017-