spss多元回归分析的报告怎么做
：怎么做回归报告分析s pss 多元线性回归spss操作spss回归分析结果解释spss多元线性回归结果
excel做直方图的详细步骤篇一：SPSS多元线性回归分析实例操作步骤
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.
第二步：
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Stepwise.
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、Casewise 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
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(转载于:wWw.xIeLw 写论文网:spss 多元回归分析的报告怎么做)城市居民人均可支配收入(元)，没有变量被剔除。
2. 模型汇总
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28.351，Durbin-Watson检验统计量为2.845，当DW ≈2时说明残差独立。
篇二：SPSS多元回归分析实例
多元回归分析
在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。可以建立因变量y与各自变量xj(j=1,2,3,…,n)之间的多元线性回归模型：
其中：b0是回归常数；bk(k=1,2,3,…,n)是回归参数；e是随机误差。多元回归在病虫预报中的应用实例:
某地区病虫测报站用相关系数法选取了以下4个预报因子；x1为最多连续10天诱蛾量(头)；x2为4月上、中旬百束小谷草把累计落卵量(块)；x3为4月中旬降水量(毫米)，x4为4月中旬雨日(天)；预报一代粘虫幼虫发生量y（头/m2）。分级别数值列成表2-1。预报量y：每平方米幼虫0~10头为1级，11~20头为2级，21~40头为3级，40头以上为4级。
预报因子：x1诱蛾量0~300头为l级，301~600头为2级，601~1000头为3级，1000头以上为4级；x2卵量0~150块为1级，15l~300块为2级，301~550块为3级，550块以上为4级；
x3降水量0~10.0毫米为1级，10.1~13.2毫米为2级，13.3~17.0毫米为3级，17.0毫米以上为4级；x4雨日0~2天为1级，3~4天为2级，5天为3级，6天或6天以上为4级。
表2-1
数据保存在“DATA6-5.SAV”文件中。1）准备分析数据
在SPSS数据编辑窗口中，创建“年份”、“蛾量”、“卵量”、“降水量”、“雨日”和“幼虫密度”变量，并输入数据。再创建蛾量、卵量、降水量、雨日和幼虫密度的分级变量“x1”、“x2”、“x3”、“x4”和“y”，它们对应的分级数值可以在SPSS数据编辑窗口中通过计算产生。编辑后的数据显示如图2-1。
图2-1
或者打开已存在的数据文件“DATA6-5.SAV”。2）启动线性回归过程
单击SPSS主菜单的“Analyze”下的“Regression”中“Linear”项，将打开如图2-2所示的线性回归过程窗口。
图2-2 线性回归对话窗口
3) 设置分析变量
设置因变量：用鼠标选中左边变量列表中的“幼虫密度[y]”变量，然后点击“Dependent”栏左边的移到“Dependent”因变量显示栏里。
设置自变量：将左边变量列表中的“蛾量[x1]”、“卵量[x2]”、“降水量[x3]”、“雨日[x4]”变量，选移到“Independent(S)”自变量显
示栏里。
设置控制变量: 本例子中不使用控制变量，所以不选择任何变量。选择标签变量: 选择“年份”为标签变量。
选择加权变量: 本例子没有加权变量，因此不作任何设置。4）回归方式
本例子中的4个预报因子变量是经过相关系数法选取出来的，在回归分析时不做筛选。因此在“Method”框中选中“Enter”选项，建立全回归模型。
向右拉按钮，该变量就
5）设置输出统计量
单击“Statistics”按钮，将打开如图2-3所示的对话框。该对话框用于设置相关参数。其中各项的意义分别为：
图2-3 “Statistics”对话框
①“Regression Coefficients”回归系数选项：“Estimates”输出回归系数和相关统计量。“Confidence interval”回归系数的95%置信区间。“Covariance matrix”回归系数的方差-协方差矩阵。本例子选择“Estimates”输出回归系数和相关统计量。②“Residuals”残差选项：
“Durbin-Watson”Durbin-Watson检验。
“Casewise diagnostic”输出满足选择条件的观测量的相关信息。选择该项，下面两项处于可选状态：“Outliers outside standard deviations”选择标准化残差的绝对值大于输入值的观测量；“All

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QQ:729038198，我们将在24小时内删除。