SPSS多元线性回归分析实例操作步骤-spss做多元线性回归

更新时间:2023-05-05 11:26:16 阅读: 评论:0

SPSS 统计分析
多元线性回归分析方法操作与分析
实验目的
引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量,来研究上海房价的变动因素。
实验变量
以年份、商品房平均售价(元/平方米)、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法:多元线性回归分析法
软件:spss19.0
操作过程:
第一步导入Excel数据文件   
1.open data document——open data——open
2. Opening excel data source——OK.
步:
1.在最上面菜单里面选中Analyze——Regression——Linear ,Dependent(因变量)选择商品房平均售价,Independents(自变量)选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率;Method选择Stepwi.
进入如下界面:
2.点击右侧Statistics,勾选Regression Coefficients(回归系数)选项组中的Estimates;勾选Residuals(残差)选项组中的Durbin-Watson、Cawi diagnostics默认;接着选择Model fit、Collinearity diagnotics;点击Continue.
3.点击右侧Plots,选择*ZPRED(标准化预测值)作为纵轴变量,选择DEPENDNT(因变量)作为横轴变量;勾选选项组中的Standardized Residual Plots(标准化残差图)中的Histogram、Normal probability plot;点击Continue.
4.点击右侧Save,勾选Predicted Vaniues(预测值)和Residuals(残差)选项组中的Unstandardized;点击Continue.
5.点击右侧Options,默认,点击Continue.
6.返回主对话框,单击OK.
输出结果分析:
1.引入/剔除变量表
Variables Entered/Removeda
Model
Variables Entered
Variables Removed
Method
1
城市人口密度  (人/平方公里)
.
Stepwi (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
2
城市居民人均可支配收入(元)
.
Stepwi (Criteria: Probability-of-F-to-enter <= .050, Probability-of-F-to-remove >= .100).
a. Dependent Variable: 商品房平均售价(元/平方米)
该表显示模型最先引入变量城市人口密度 (人/平方公里),第二个引入模型的是变量城市居民人均可支配收入(元),没有变量被剔除。
2.模型汇总
Model Summaryc
Model
R
R Square
Adjusted R Square
Std. Error of the Estimate
Durbin-Watson
1
1.000a
1.000
1.000
35.187
2
1.000b
1.000
1.000
28.351
2.845
a. Predictors: (Constant), 城市人口密度  (人/平方公里)
b. Predictors: (Constant), 城市人口密度  (人/平方公里), 城市居民人均可支配收入(元)
c. Dependent Variable: 商品房平均售价(元/平方米)
该表显示模型的拟合情况。从表中可以看出,模型的复相关系数(R)为1.000,判定系数
R Square)为1.000,调整判定系数(Adjusted R Square)为1.000,估计值的标准误差(Std. Error of the Estimate)为28.351Durbin-Watson检验统计量为2.845,当DW≈2时说明残差独立。

本文发布于:2023-05-05 11:26:16,感谢您对本站的认可!

本文链接:https://www.wtabcd.cn/fanwen/fan/82/531597.html

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。

标签:变量   作为   模型   选择   组中   城市居民
相关文章
留言与评论(共有 0 条评论)
   
验证码:
推荐文章
排行榜
Copyright ©2019-2022 Comsenz Inc.Powered by © 专利检索| 网站地图