SPSS-相关性和回归分析(一元线性方程)案例解析.docx

《SPSS-相关性和回归分析(一元线性方程)案例解析.docx》由会员分享，可在线阅读，更多相关《SPSS-相关性和回归分析(一元线性方程)案例解析.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、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，它们都被简单的关系链所围围着，具有肯定的相关性，也会具备肯定的因果关系，比方：父母和子女，不仅具备相关性，而且还具备因果关系，由于有了父亲和母亲，才有了儿子或女儿，但不是全部相关联的事物都具备因果关系。下面用 SPSS 承受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”状况是否具备相关性，假设具备相关性，那相关关系的亲热程度为多少。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 承受

2、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 是一种简洁相关系数分析和计算的方法，假设需要进行进一步分析，需要借助“多远线性回归”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

3、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“居民总消费”点击“统计量”进入如下界面：在“回归系数”中选择“估量” 在右边选择“模型拟合度” 在残差下面选择“Durbin-watson(u), 点击连续按钮再点击“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

4、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”的状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,可以简洁的认为：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：对于回归参数的估量，一般承受的是“最小二乘估量法”原则即为：“残差平方和最小“