用spss軟件進(jìn)行一元線性回歸分析

利用spss進(jìn)行一元線性回歸打開spss的數(shù)據(jù)編輯器，編輯變量視圖注意：因為我們的數(shù)據(jù)中“臺站名”最多是5個漢字，所以字符串寬度最小為10才能全部顯示。

step1：建立數(shù)據(jù)文件編輯數(shù)據(jù)視圖，將excel數(shù)據(jù)復(fù)制粘貼到spss中step1：建立數(shù)據(jù)文件從菜單上依次點選：圖形—舊對話框—散點/點狀定義簡單分布，設(shè)置Y為年降水量，X為緯度由散點圖發(fā)現(xiàn)，降水量與緯度之間線性相關(guān)step2：做散點圖step2：做散點圖給散點圖添加趨勢線的方法：雙擊輸出結(jié)果中的散點圖在“圖表編輯器”的菜單中依次點擊“元素”—“總計擬合線”，由此“屬性”中加載了“擬合線”擬合方法選擇“線性”，置信區(qū)間可以選95%個體，應(yīng)用從菜單上依次點選：分析—回歸—線性設(shè)置：因變量為“年降水量”，自變量為“緯度”“方法”：選擇默認(rèn)的“進(jìn)入”，即自變量一次全部進(jìn)入的方法?！敖y(tǒng)計量”：勾選“模型擬合度”，在結(jié)果中會輸出“模型匯總”表勾選“估計”，則會輸出“系數(shù)”表“繪制”：在這一項設(shè)置中也可以做散點圖“保存”：注意：在保存中被選中的項目，都將在數(shù)據(jù)編輯窗口顯示。在本例中我們勾選95%的置信區(qū)間單值，未標(biāo)準(zhǔn)化殘差“選項”：只需要在選擇方法為逐步回歸后，才需要打開step3：線性回歸分析【統(tǒng)計量】按鈕“回歸系數(shù)”復(fù)選框組：定義回歸系數(shù)的輸出情況勾選“估計”可輸出回歸系數(shù)B及其標(biāo)準(zhǔn)誤差，t值和p值勾選“誤差條圖的表征”則輸出每個回歸系數(shù)的95%可信區(qū)間勾選“協(xié)方差矩陣”則會輸出各個自變量的相關(guān)矩陣和方差、協(xié)方差矩陣?！皻埐睢睆?fù)選框組：用于選擇輸出殘差診斷的信息，可選的有Durbin-Watson殘差序列相關(guān)性檢驗、個案診斷。“模型擬合度”復(fù)選框：模型擬合過程中進(jìn)入、退出的變量的列表，以及一些有關(guān)擬合優(yōu)度的檢驗：R，R2和調(diào)整的R2,標(biāo)準(zhǔn)誤及方差分析表?！癛方變化”復(fù)選框：顯示模型擬合過程中R2、F值和p值的改變情況?！懊枋鲂浴睆?fù)選框：提供一些變量描述，如有效例數(shù)、均數(shù)、標(biāo)準(zhǔn)差等，同時還給出一個自變量間的相關(guān)矩陣?！安糠窒嚓P(guān)和偏相關(guān)性”復(fù)選框：顯示自變量間的相關(guān)、部分相關(guān)和偏相關(guān)系數(shù)。“共線性診斷”復(fù)選框：給出一些用于共線性診斷的統(tǒng)計量，如特征根（Eigenvalues）、方差膨脹因子(VIF)等。以上各項在默認(rèn)情況下只有“估計”和“模型擬合度”復(fù)選框被選中。用于選擇需要繪制的回歸分析診斷或預(yù)測圖。可繪制的有標(biāo)準(zhǔn)化殘差的直方圖和正態(tài)分布圖，應(yīng)變量、預(yù)測值和各自變量殘差間兩兩的散點圖等。許多時候我們需要將回歸分析的結(jié)果存儲起來，然后用得到的殘差、預(yù)測值等做進(jìn)一步的分析，保存按鈕就是用來存儲中間結(jié)果的?？梢源鎯Φ挠校侯A(yù)測值系列、殘差系列、距離（Distances）系列、預(yù)測值可信區(qū)間系列、波動統(tǒng)計量系列。下方的按鈕可以讓我們選擇將這些新變量存儲到一個新的SPSS數(shù)據(jù)文件或XML中。【繪制】按鈕【保存】按鈕注意：選項按鈕只需要在選擇方法為逐步回歸后，才需要打開“步進(jìn)方法標(biāo)準(zhǔn)”單選鈕組：設(shè)置納入和排除標(biāo)準(zhǔn)，可按P值或F值來設(shè)置?！霸诘仁街邪Ａ俊睆?fù)選框：用于決定是否在模型中包括常數(shù)項，默認(rèn)選中?！叭笔е怠眴芜x鈕組：用于選擇對缺失值的處理方式，可以是不分析任一選入的變量有缺失值的記錄（按列表排除個案）而無論該缺失變量最終是否進(jìn)入模型；不分析具體進(jìn)入某變量時有缺失值的記錄（按對排除個案）；將缺失值用該變量的均數(shù)代替（使用均值替代）?！具x項】按鈕【輸入/移去的變量】此表是擬合過程中變量輸入/移去模型的情況記錄，由于我們只引入了一個自變量，所以只出現(xiàn)了一個模型1（在多元回歸中就會依次出現(xiàn)多個回歸模型），該模型中“緯度”為進(jìn)入的變量，沒有移出的變量，具體的輸入/移去方法為“輸入”。step4：線性回歸結(jié)果【模型匯總】

此表為所擬合模型的情況匯總，顯示在模型1中：相關(guān)系數(shù)R=0.904擬合優(yōu)度R方=0.816調(diào)整后的擬合優(yōu)度=0.813標(biāo)準(zhǔn)估計的誤差=92.98256R方（擬合優(yōu)度）：是回歸分析的決定系數(shù)，說明自變量和因變量形成的散點與回歸曲線的接近程度，數(shù)值介于0和1之間，這個數(shù)值越大說明回歸的越好，也就是散點越集中于回歸線上。step4：線性回歸結(jié)果【Anova】（analysisofvariance方差分析）此表是所用模型的檢驗結(jié)果，一個標(biāo)準(zhǔn)的方差分析表。Sig.（significant）值是回歸關(guān)系的顯著性系數(shù)，sig.是F值的實際顯著性概率即P值。當(dāng)sig.<=0.05的時候，說明回歸關(guān)系具有統(tǒng)計學(xué)意義。如果sig.>0.05，說明二者之間用當(dāng)前模型進(jìn)行回歸沒有統(tǒng)計學(xué)意義，應(yīng)該換一個模型來進(jìn)行回歸。由表可見所用的回歸模型F統(tǒng)計量值=226.725，P值為0.000，因此我們用的這個回歸模型是有統(tǒng)計學(xué)意義的，可以繼續(xù)看下面系數(shù)分別檢驗的結(jié)果。由于這里我們所用的回歸模型只有一個自變量，因此模型的檢驗就等價與系數(shù)的檢驗，在多元回歸中這兩者是不同的。step4：線性回歸結(jié)果【系數(shù)】此表給出了包括常數(shù)項在內(nèi)的所有系數(shù)的檢驗結(jié)果，用的是t檢驗，同時還會給出標(biāo)化/未標(biāo)化系數(shù)?？梢姵?shù)項和“緯度”都是有統(tǒng)計學(xué)意義的。由此得到年降水量與緯度之間的一元回歸方程為：Y=-82.188X+3395.584step4：線性回歸結(jié)果Case2:氣溫&降雨量Case2數(shù)據(jù)說明：倫敦12個月的平均氣溫、降雨量數(shù)據(jù)在本例中，把降雨量作為因變量，平均氣溫作為自變量Case2目的：分析平均氣溫和降雨量之間的數(shù)量關(guān)系Case2習(xí)題要求：做散點圖，查看兩因素之間是否線性相關(guān)如果線性相關(guān)，接著做線性回歸分析，揭示其數(shù)量關(guān)系對回歸方程做顯著性檢驗，寫出結(jié)論給這個例子的目的是，看大家是否真的理解做散點圖的意義當(dāng)散點圖都不呈現(xiàn)線