Spss线性回归显示空白

SPSS—回归—多元线性回归结果分析（二） 2011-10-27 14:44

，最近一直很忙，公司的潮起潮落，就好比人生的跌岩起伏，眼看着一步步走向衰弱，却无能为力，也许要学习“步步惊心”里面“四阿哥”的座右铭：“行到水穷处”，”坐看云起时“。

接着上一期的“多元线性回归解析”里面的内容，上一次，没有写结果分析，这次补上，结果分析如下所示： 结果分析1：

由于开始选择的是“逐步”法，逐步法是“向前”和“向后”的结合体，从结果可以看出，最先进入“线性回归模型”的是“price in thousands\ 建立了模型1，紧随其后的是“Wheelbase\ 建立了模型2，所以，模型中有此方法有个概率值，当小于等于0.05时，进入“线性回归模型”（最先进入模型的，相关性最强，关系最为密切）当大于等 0.1时，从“线性模型中”剔除

结果分析：

1：从“模型汇总”中可以看出，有两个模型，（模型1和模型2）从R2 拟合优度来看，模型2的拟合优度明显比模型1要好一些 （0.422>0.300）

2：从“Anova\可以看出“模型2”中的“回归平方和”为115.311，“残差平方和”为153.072，由于总平方和= 回归平方和+残差平方和，由于

一元线性回归实验指导

一、 使用spss进行线性回归相关计算

题目：

为研究医药企业销售收入与广告支出的关系，随机抽取了20家医药企业，得到它们的销售收入和广告支出的数据如下表（数据在‘广告.sav’中）

1. 绘制散点图描述收入与广告支出的关系

结果：（散点图粘贴在下面）

从散点图可直观看出销售收入和广告支出（存在/不存在）线性关系

2. 计算两个变量的相关系数r及其检验

相关性结果表格：（粘贴在下面）

从结果中可看出，销售收入与广告支出的相关系数为（），双侧检验的P值（），r在0.01显著性水平下（），表明销售收入与广告支出之间（存在/不存在）线性关系。

3. 一元线性回归分析

计算回归分析；并输出标准化残差的pp图和直方图 分析输出的结果： 模型汇总表格：（粘贴在下面）

这个表格给出相关系数R=（）以及标准估计的误差（）

方差分析（ANOVA）表格：（粘贴在下面）

这个表格给出回归模型的方差分析表，包括回归平方和SSR、回归均方MSR、残差平方和SSE、残差均方MSE、总平方和SST和总均方MST，F值129.762以及P值（），此处p值（），说明回归的线性关系（显著/不显著）

系数表格：（粘贴在下面）

上面这个表格

一元线性回归实验指导

一、 使用spss进行线性回归相关计算

题目：

为研究医药企业销售收入与广告支出的关系，随机抽取了20家医药企业，得到它们的销售收入和广告支出的数据如下表（数据在‘广告.sav’中）

1. 绘制散点图描述收入与广告支出的关系

结果：（散点图粘贴在下面）

从散点图可直观看出销售收入和广告支出（存在/不存在）线性关系

2. 计算两个变量的相关系数r及其检验

相关性结果表格：（粘贴在下面）

从结果中可看出，销售收入与广告支出的相关系数为（），双侧检验的P值（），r在0.01显著性水平下（），表明销售收入与广告支出之间（存在/不存在）线性关系。

3. 一元线性回归分析

计算回归分析；并输出标准化残差的pp图和直方图 分析输出的结果： 模型汇总表格：（粘贴在下面）

这个表格给出相关系数R=（）以及标准估计的误差（）

方差分析（ANOVA）表格：（粘贴在下面）

这个表格给出回归模型的方差分析表，包括回归平方和SSR、回归均方MSR、残差平方和SSE、残差均方MSE、总平方和SST和总均方MST，F值129.762以及P值（），此处p值（），说明回归的线性关系（显著/不显著）

系数表格：（粘贴在下面）

上面这个表格

上海房价影响因素的多元线性回归分析

1：研究目的和意义

我国房地产市场从20世纪90年代开始建立到如今已经颇具规模，对我国的经济增长产生了很大的影响，甚至成为了国民经济的支柱型产业。但是近年来，房价的飞速发展又不得不引起我们的重视，在促进经济增长的同时，带来的一系列结构性问题将对房地产行业的健康发展甚至国民经济的可持续发展带来影响。因此研究商品房价格的影响因素，有助于科学的把握房地产市场的发展规律，对整个国民经济都具有很大的意义。

2：研究内容和方法

本文主要以上海为中国房地产市场的代表城市进行分析，通过对1999年至2007年的相关经济数据整理建立起多元线性回归模型。

从理论上来讲，房价的波动主要受宏观经济影响，包括地区生产总值，城镇人均可支配收入，建设成本，城市人口密度，货币政策，土地价格以及房地产开发投资额等指标。这里主要选取商品房平均售价作为因变量，城镇人均可支配收入，城市人口密度，以及房地产开发投资额作为自变量来进行分析，通过多元回归方法来了解商品房价格的影响因素

3：多元回归模型的建立及数据分析 3.1：多元线性回归模型的建立

表一：上海1999～2007年相关经济数据

数据来源：上海统计年鉴 国研网整理

设定三个自变量指标分别为：城镇人均可支配

篇一：SPSS的线性回归分析实验报告

实

验

报告

篇二：SPSS实现一元线性回归分析实例

SPSS实现一元线性回归分析实例

2009-12-14 15:31

1、准备原始数据。为研究某一大都市报开设周日版的可行性，获得了34种报纸的平日和周日的发行量信息(以千为单位)。数据如图1所示。SPSS17.0

图1

2、判断是否存在线性关系。制作直观散点图：

（1）SPSS：菜单Analyze/Regression/linear Regression,如图2所示：

图2

（2）打开对话框如图3

图3

图3中，Dependent是因变量，Independent是自变量，分别将左栏中的sunday选入因变量，daily选入自变量，newspaper作为标识标签选入case labels.

(3)点击图3对话框中的plots按钮，如图4所示：

图4

将因变量DEPENTENT 选入Y:，自变量 ZPRED 选入X: continue 返回上级对话框。单击主对话框OK.便生成散点图如图5所示：

图5

从以上散点图可看出，二者变量之间关系趋势呈线性关系。

2、回归方程

菜单Analyze/Regression/linear Regression，

在图3对话框的右边单击statistics如图6所示：

用下面的数据做相关分析和一元线性回归分析：

选用普通高等学校毕业生数和高等学校发表科技论文数量做相关分析和一元线性回归分析。

一、相关分析

1.作散点图

普通高等学校毕业生数和高等学校发表科技论文数量的相关图

从散点图可以看出：普通高等学校毕业生数和高等学校发表科技论文数量的相关性很大。

2.求普通高等学校毕业生数和高等学校发表科技论文数量的相关系数

把要求的两个相关变量移至变量中，因为都是定距数据，选择相关系数中的Pearson，点击确定，可以得到下面的结果：

Correlations

普通高等学校毕业生数(万人) 高等学校发表科技论文数量(篇)

普通高等学校毕业生数(万人) Pearson Correlation 1 .998**

Sig. (2-tailed) .000

N 14 14

高等学校发表科技论文数量(篇) Pearson Correlation .998** 1 Sig. (2-tailed) .000

N 14 14

**. Correlation is significant at the 0.01 level (2-tailed).

两相关变量的Pearson相关系数=0.0998，表示呈高度正相关；相关系数检验对应的概率P 值=0.000

实验五 异方差的检验与处理

一、 实验目的：

1.掌握异方差检验的基本原理和方法 2.掌握异方差的处理方法 二、实验要求：

1.利用SPSS实现异方差的检验与处理（一元与多元回归）； 2.掌握异方差检验的基本步骤和方法 三、实验原理：

1.异方差的检验方法： （1）残差图分析法（3种）；

（2）等级相关系数法：主要的步骤（见课本）. 2.异方差的处理方法：

（1）加权最小二乘法：主要步骤与原理 （2）方差稳定变换法 四、实验例子：

表4.1

居民收储蓄 入 序号 y（万x（万元） 元） 1 2 3 4 5 6 7 264 105 90 131 122 107 406 8777 9210 9954 10508 10979 11912 12747

8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 503 431 588 898 950 779 819 1222 1702 1578 1654 1400 1829 2200 2017 2105 1600 2250 2420 2570 1720 1900 2100 2300 13499 14269 15522

简单教程 04

1. 相关配套数据 已经 上传百度文库： 2. 配套软件 SPSS 17.0 已经上传百度文库；

百度文库搜索“SPSS简单教程配套数据及软件_chenxy” 百度云盘链接；

5. 回归分析...................................................................................................................................... 2

5.1 一元线性回归分析 ............................................................................................................ 2 5.2 回归分析—曲线估计 ........................................................................................................ 5 5.3 多元线性回归分析 .............................

简单教程 04

1. 相关配套数据 已经 上传百度文库： 2. 配套软件 SPSS 17.0 已经上传百度文库；

百度文库搜索“SPSS简单教程配套数据及软件_chenxy” 百度云盘链接；

5. 回归分析...................................................................................................................................... 2

5.1 一元线性回归分析 ............................................................................................................ 2 5.2 回归分析—曲线估计 ........................................................................................................ 5 5.3 多元线性回归分析 .............................

多元线性回归模型

一、多元线性回归模型的一般形式

设随机变量y与一般变量x1,x2,?,xp的线性回归模型为：

y??0??1x1??2x2????pxp?? 其中：

写成矩阵形式为：y?X???

?1?y1????1y2???y? X?????????y??n??1x11x21?xn1x12x22?xn2???x1p???0???1??????x2p?1?? ???? ???2?

?????????????xnp?????n???p??二、多元线性回归模型的基本假定

1、解释变量x1,x2,?,xp是确定性变量，不是随机变量，且要求

ran(kX)?p?1?n。这里的rank(X)?p?1?n表明设计矩阵X中自变量列之间

不相关，样本容量的个数应大于解释变量的个数，X是一满秩矩阵。

E(?i)?0,i?1,2,?,n????2,i?j2、随机误差项具有0均值和等方差，即：?

cov(?i,?j)??,(i,j?1,2,?,n)??0,i?j?E(?i)?0，即假设观测值没有系统误差，随机误差?i的平均值为0，随机误差?i的协方差为0表明随机误差项在不同的样本点之间是不相关的（在正态假定下即

为独立），不存在序列相关，并且具有相同的精