SPSS多元回歸實(shí)驗(yàn)報(bào)告

實(shí)驗(yàn)八報(bào)告一、數(shù)據(jù)來源Employeedata.sav二、基本結(jié)果（1）確定自變量、因變量：一般而言，因變量y與各自變量xj(j=1,2,3,…,n)之間的多元線性回歸模型：其中：b0是回歸常數(shù)；bk(k=1,2,3,…,n)是回歸參數(shù)；e是隨機(jī)誤差。根據(jù)employeedata.sav的數(shù)據(jù)，其中Y是當(dāng)前工資salary，X1是起始資金salbegin，X2是工作經(jīng)驗(yàn)prevexp，X3是工作時(shí)間jobtime，X4是工作種類jobcat，X5是受教育年限edcau。（2）做出因變量與自變量的散點(diǎn)圖：從散點(diǎn)圖可以看出因變量與各自變量之間存在線性關(guān)系。（3）檢驗(yàn)因變量Y是否服從正態(tài)分布的模型假定——因變量Y并沒有很好地服從正態(tài)分布。（4）線性回歸Y的殘差圖此標(biāo)準(zhǔn)化殘差圖表明，此線性回歸的標(biāo)準(zhǔn)化殘差呈楔形分布而非帶狀分布，不滿足回歸模型同方差的假定。圖當(dāng)前薪金多元線性回歸分析的殘差圖（5）通過以上檢驗(yàn)可以看出，當(dāng)前薪金并不是好的變量，對(duì)當(dāng)前薪金進(jìn)行Ln變換（取對(duì)數(shù)）生成新的隨進(jìn)變量logsale，將logsale作為因變量Y用逐步回歸的方法進(jìn)行回歸分析：1）p-p圖：發(fā)現(xiàn)取對(duì)數(shù)后，logY較好的服從了正態(tài)分布。2）logY的標(biāo)準(zhǔn)化殘差圖：上圖表明因變量Y（logsale）的標(biāo)準(zhǔn)化殘差近似呈帶狀分布，滿足模型同方差的假定。3）逐步回歸的判定系數(shù)：通過逐步回歸，得到方程的判定系數(shù)如下表。R2越接近1，說明回歸方程解釋了因變量總變異量的絕大部分比例。本估計(jì)的回歸方程有一個(gè)好的擬合，在模型5中達(dá)到0.810，且調(diào)整后的R2達(dá)到0.808，可以認(rèn)為擬合度高。表1ModelSummaryfModel12345

R.841a.867b.890c.896d.900e

RSquare.707.752.791.802.810

AdjustedRSquare.706.751.790.800.808

Std.ErroroftheEstimate.21542.19824.18211.17749.17392a.Predictors:(Constant),起始薪金b.Predictors:(Constant),起始薪金,雇傭類別c.Predictors:(Constant),起始薪金,雇傭類別,教育水平（年）d.Predictors:(Constant),起始薪金,雇傭類別,教育水平（年）,經(jīng)驗(yàn)（以月計(jì)）e.Predictors:(Constant),起始薪金,雇傭類別,教育水平（年）,經(jīng)驗(yàn)（以月計(jì)）,雇傭時(shí)間（以月計(jì)）f.DependentVariable:logsale4）回歸方程總體顯著性檢驗(yàn)：F檢驗(yàn)表2中，對(duì)回歸方程總體顯著性進(jìn)行了F檢驗(yàn)，5個(gè)模型的顯著性水平P值均為0，可以認(rèn)為方程總體性顯著，建立方程是有意義的。表2ANOVAfModel

SumofSquares

df

MeanSquare

F

Sig.1

Regression

52.772

1

52.772

1.137E3

.000aResidualTotal

21.90374.675

472473

.0462

Regression

56.165

2

28.083

714.596

.000bResidualTotal

18.51074.675

471473

.0393

Regression

59.088

3

19.696

593.920

.000cResidualTotal

15.58674.675

470473

.0334

Regression

59.900

4

14.975

475.360

.000dResidualTotal

14.77574.675

469473

.0325

Regression

60.519

5

12.104

400.165

.000eResidualTotal

14.15674.675

468473

.030a.Predictors:(Constant),起始薪金b.Predictors:(Constant),起始薪金,雇傭類別c.Predictors:(Constant),起始薪金,雇傭類別,教育水平（年）d.Predictors:(Constant),起始薪金,雇傭類別,教育水平（年）,經(jīng)驗(yàn)（以月計(jì)）e.Predictors:(Constant),起始薪金,雇傭類別,教育水平（年）,經(jīng)驗(yàn)（以月計(jì)）,雇傭時(shí)間（以月計(jì)）f.DependentVariable:logsale5）建立回歸方程：所有自變量顯著性水平均為0，可以認(rèn)為每一自變量都可以很好的解釋因變量。由上面分析可知，模型5擬合度最好，因而可以根據(jù)模型5的參數(shù)估計(jì)值建立回歸方程：表3CoefficientsaModel

Unstandardized

Standardized

t

Sig.Coefficients

CoefficientsB

Std.Error

Beta1

(Constant)

9.635

.024

408.429

.000起始薪金

4.244E-5

.000

.841

33.722

.0002

(Constant)

9.610

.022

439.304

.000起始薪金雇傭類別

3.006E-5.167

.000.018

.595.325

17.0309.293

.000.0003

(Constant)

9.274

.041

226.396

.000起始薪金雇傭類別

2.269E-5.156

.000.017

.449.303

12.5919.425

.000.000教育水平（年）

.035

.004

.256

9.388

.0004

(Constant)

9.380

.045

208.261

.000起始薪金雇傭類別教育水平（年）經(jīng)驗(yàn)（以月計(jì)）

2.419E-5.162.028.000

.000.016.004.000

.479.315.203-.112

13.58410.0227.091-5.077

.000.000.000.0005

(Constant)

9.101

.076

119.903

.000起始薪金雇傭類別教育水平（年）經(jīng)驗(yàn)（以月計(jì)）雇傭時(shí)間（以月

2.475E-5.160.027.000.004

.000.016.004.000.001

.490.312.192-.116.091

14.14610.1216.841-5.3264.524

.000.000.000.000.000計(jì)）a.DependentVariable:logsale三、結(jié)論根據(jù)上述多重線性回歸分析，認(rèn)為當(dāng)前薪金受起始薪金、雇傭類別、雇傭時(shí)間、教育水平因素的影響，它們建立起的線性回歸方程：擬合程度較好，達(dá)到80.8%，各自變量與因變量之間的線性關(guān)系在統(tǒng)計(jì)上呈現(xiàn)顯著性。由于因變量Y是當(dāng)前薪金的Ln變換，故在實(shí)際應(yīng)用與預(yù)測(cè)中，應(yīng)將因變量Y的取值進(jìn)行自然對(duì)數(shù)的變換得到當(dāng)前薪金的預(yù)測(cè)值。四、建議與對(duì)策通過以上分