使用SPSS線性回歸實(shí)現(xiàn)通徑分析的方法

本文格式為Word版，下載可任意編輯——使用SPSS線性回歸實(shí)現(xiàn)通徑分析的方法

篇一：SPSS的線性回歸分析試驗(yàn)報(bào)告

實(shí)

驗(yàn)

報(bào)告

篇二：SPSS實(shí)現(xiàn)一元線性回歸分析實(shí)例

SPSS實(shí)現(xiàn)一元線性回歸分析實(shí)例

2023-12-1415:31

1、準(zhǔn)備原始數(shù)據(jù)。為研究某一大都市報(bào)開(kāi)設(shè)周日版的可行性，獲得了34種報(bào)紙的平日和周日的發(fā)行量信息(以千為單位)。數(shù)據(jù)如圖1所示。SPSS17.0

圖1

2、判斷是否存在線性關(guān)系。制作直觀散點(diǎn)圖：

（1）SPSS：菜單Analyze/Regression/linearRegression,如圖2所示：

圖2

（2）開(kāi)啟對(duì)話框如圖3

圖3

圖3中，Dependent是因變量，Independent是自變量，分別將左欄中的sunday選入因變量，daily選入自變量，newspaper作為標(biāo)識(shí)標(biāo)簽選入caselabels.

(3)點(diǎn)擊圖3對(duì)話框中的plots按鈕，如圖4所示：

圖4

將因變量DEPENTENT選入Y:，自變量ZPRED選入X:continue返回上級(jí)對(duì)話框。單擊主對(duì)話框OK.便生成散點(diǎn)圖如圖5所示：

圖5

從以上散點(diǎn)圖可看出，二者變量之間關(guān)系趨勢(shì)呈線性關(guān)系。

2、回歸方程

菜單Analyze/Regression/linearRegression，

在圖3對(duì)話框的右邊單擊statistics如圖6所示：

圖6

regressioncoefficient回歸系數(shù)，estimates估計(jì)值，confidenceintervalslevel:95%置信區(qū)間，modelfit擬合模型。點(diǎn)擊continue返回主對(duì)話框，單擊OK.結(jié)果如圖7、圖8所示：

圖7

圖7中第一個(gè)圖是變量的輸入與輸出，從圖下的提醒可知所有變量均輸入與輸出，沒(méi)有遺漏。圖7中的其次圖是模型總和R值，R平方值，R調(diào)整后的平方值，及標(biāo)準(zhǔn)誤。

篇三：相關(guān)與線性回歸的SPSS分析

上機(jī)操作7相關(guān)與線性回歸的SPSS分析

習(xí)題1相關(guān)分析：

某林業(yè)研究院在不同緯度區(qū)進(jìn)行了白榆育苗試驗(yàn)，不同緯度白榆苗高見(jiàn)下表，試建立白榆苗高與緯度的直線回歸方程。

一、定義變量，輸入數(shù)據(jù)

（1）定義變量：開(kāi)啟SPSS數(shù)據(jù)編輯器，點(diǎn)擊“變量視圖〞，在名稱列下輸入“苗高〞、“緯度〞，改“類型〞欄均為“數(shù)字〞（且設(shè)置為數(shù)值型），“小數(shù)〞欄保存1位。

（2）輸入數(shù)據(jù)：點(diǎn)擊“數(shù)據(jù)視圖〞在在各欄內(nèi)依次輸入以下數(shù)據(jù):

二、分析過(guò)程

分析→相關(guān)→雙變量，將“苗高〞、“緯度〞添加到“變量〞中，其余為默認(rèn)值。選項(xiàng)〞→勾選“均值和標(biāo)準(zhǔn)差〞→繼續(xù)→確定。

三、輸出結(jié)果分析

由上表可知：苗高與緯度的Sig.=0.003，即其值小于0.01，則說(shuō)明苗高與緯度的相關(guān)性達(dá)到極顯著性水平。

習(xí)題2：回歸分析

某林業(yè)站進(jìn)行了林地水肥管理試驗(yàn)，測(cè)得的林分生物量見(jiàn)下表，試建立林分生物量與施肥灌水的回歸方程。

一、定義變量，輸入數(shù)據(jù)

（1）定義變量：開(kāi)啟SPSS數(shù)據(jù)編輯器，點(diǎn)擊“變量視圖〞，在名稱列下輸入“生物量〞、“施肥〞、“灌水〞，改“類型〞欄均為“數(shù)字〞，“小數(shù)〞欄保存0位。

（2）輸入數(shù)據(jù)：點(diǎn)擊“數(shù)據(jù)視圖〞在各欄內(nèi)依次輸入以下數(shù)據(jù):

二、分析過(guò)程

分析→回歸→線性，將“生物量〞、添加到“因變量〞中，將“施肥〞、“灌水〞添加到“自變量〞中，在“方法〞下拉菜單中選擇“逐步〞。點(diǎn)擊“統(tǒng)計(jì)量〞，勾選其下回歸系數(shù)中的“估計(jì)〞、“模型擬合〞、“R方變化〞、“描述性〞、“部分相關(guān)性和偏相關(guān)性〞→選項(xiàng)，其輸出窗口內(nèi)容按默認(rèn)值→繼續(xù)→確定三、輸出結(jié)果分析

描述統(tǒng)計(jì)量

從上表可知：施肥的均值最高，生物量的均值次之，灌水的均值最小。

從上表可知：生物量與施肥的相關(guān)性值為0.910，它們的Sig.0.01，說(shuō)明生物量與施肥達(dá)到極顯著水平。生物量與灌水的相關(guān)性為0.608，它們的Sig.0.01，說(shuō)明生物量與灌水的相關(guān)性達(dá)到極顯著水平。施肥與灌水的相關(guān)性值為0.878，它們的Sig.0.01，說(shuō)明施肥與灌水的相關(guān)性達(dá)到極顯著水平。

從上表可知：施肥與灌水的F檢驗(yàn)的概率都是=0.05，它們剔除的概率都是＞=0.10。

b預(yù)計(jì)變量:(常量),施肥,灌水。

從上表可知：模型1和模型2的R值分別為0.910和0.993，說(shuō)明模型1和模型2沒(méi)有達(dá)到剔除概率，它們都具有統(tǒng)計(jì)學(xué)意義。

b預(yù)計(jì)變量:(常量),施肥,灌水。c因變量:生物量

從上表可知：模型1和模型2的F檢驗(yàn)Sig.值都小于0.01，說(shuō)明模型1和模型2的相關(guān)性都達(dá)到極顯著性水平，即模型1和模型2的方程都具有統(tǒng)計(jì)學(xué)意義。

系數(shù)(a)

標(biāo)準(zhǔn)化系數(shù)Beta

.910

1.641-.832

t.7169.312-1.43728.245-14.328

顯著性

.483.000.169.000.000

零階

.910

.910.608

非標(biāo)準(zhǔn)化系數(shù)

模型1

（常量）施肥（常量）施肥灌水

a因變量:生物量

B5.042.829-2.9871.496-.925

標(biāo)準(zhǔn)誤7.037.0892.079.053.065

相關(guān)性偏

.910

.990-.961

部分

.910

.785-.398

2

從