最新SPSS-相关性和回归分析(一元线性方程)案例解析.doc

《最新SPSS-相关性和回归分析(一元线性方程)案例解析.doc》由会员分享，可在线阅读，更多相关《最新SPSS-相关性和回归分析(一元线性方程)案例解析.doc（13页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Four short words sum up what has lifted most successful individuals above the crowd: a little bit more.-author-dateSPSS-相关性和回归分析(一元线性方程)案例解析SPSS-相关性和回归分析（一元线性方程）案例解析SPSS-相关性和回归分析（一元线性方程）案例解析2011-09-06 12:56 任何事物和人都不是以个体存在的，它们都被复杂的关系链所围绕着，具有一定的相关性，也会具备一定的因果关系，（比如：父母和子女，不仅具备相关性，而且还具备因果关系，因为有了父亲和母亲，才有了

2、儿子或女儿），但不是所有相关联的事物都具备因果关系。 下面用SPSS采用回归线性分析的方式来分析一下：居民总储蓄 和 “居民总消费”情况是否具备相关性，如果具备相关性，那相关关系的密切程度为多少。下面以“居民总储蓄”和“居民总消费”的调查样本做统计分析，数据如下所示：第一步：我们先来分析“居民总储蓄”和“居民总消费”是否具备相关性 （采用SPSS 19版本）1：点击“分析”相关双变量，进入如下界面：将“居民总储蓄”和“居民总消费”两个变量移入“变量”框内，在“相关系数”栏目中选择“Pearson，（Pearson是一种简单相关系数分析和计算的方法，如果需要进行进一步分析，需要借助“多远线性回归

3、”分析）在“显著性检验”中选择“双侧检验”并且勾选“标记显著性相关”点击确定， 得到如下结果：从以上结果，可以看出“Pearson的相关性为0.821，（可以认为是“两者的相关系数为0.821）属于“正相关关系”同时“显著性（双侧） 结果为0.000， 由于0.0000.01，所以具备显著性，得出：“居民总储蓄”和“居民总消费”具备相关性，有关联。既然具备相关性，那么我们将进一步做分析, 建立回归分析，并且构建“一元线性方程”，如下所示：点击“分析”-回归-线性” 结果如下所示：将“因变量”和“自变量”分别拖入框内 （如上图所示）从上图可以看出：“自变量”指 “居民总储蓄”, 因变量”是指“居

4、民总消费”点击“统计量”进入如下界面：在“回归系数”中选择“估计” 在右边选择“模型拟合度” 在残差下面选择“Durbin-watson(u), 点击继续按钮再点击“绘制图”在“标准化残差图”下面选择“正太概率分布图”选项再点击“保存”按钮，在残差下面选择“未标准化”（数据的标准化，方法有很多，这里不介绍啦）得到如下结果：结果分析如下：1：从模型汇总b 中可以看出“模型拟合度”为0.675，调整后的“模型拟合度”为0.652，就说明“居民总消费”的情况都可以用该模型解释，拟合度相对较高2：从anvoa b的检验结果来看 （其实这是一个“回归模型的方差分析表）F的统计量为：29.057，P值显示

5、为0.000，拒绝模型整体不显著的假设，证明模型整体是显著的3：从“系数a”这个表可以看出“回归系数，回归系数的标准差，回归系数的T显著性检验 等，回归系数常量为：2878.518，但是SIG为：0.452，常数项不显著，回归系数为：0.954，相对的sig为：0.000，具备显著性，由于在“anvoa b”表中提到了模型整体是“显著”的所以一元线性方程为：居民总消费=2878.518+0.954*居民总储蓄其中在“样本数据统计”中，随即误差 一般叫“残差” :从结果分析来看,可以简单的认为：居民总储蓄每增加1亿，那居民总消费将会增加0.954亿提示：对于回归参数的估计，一般采用的是“最小二乘估计法”原则即为：“残差平方和最小“-