SPSS期末大作业-完整版演示教学

资料收集于网络，如有侵权请联系网站删除

程度正自相关。

表6-6 Anova 模型 回归 1 残差 总计 回归 2 残差 总计 平方和 81.720 186.662 268.383 115.311 153.072 268.383 df 1 150 151 2 149 151 均方 81.720 1.244 F 65.670 Sig. .000 ba 56.122 .000 c 57.656 1.027 a. 因变量: 销售量 b. 预测变量: (常量), 价格。 c. 预测变量: (常量), 价格, 轴距。 分析：由表6-6可进行回归方程的显著性检验，如果显著性水平为0.05，概率P值小于0.05，认为被解释变量与解释变量的线性关系是显著的，可建立线性回归方程。

表6-7 系数 模型 非标准化系数 B (常量) 1 价格 -.051 .006 -.552 -8.104 -1.822 -.055 .006 -.590 1.151 .000 1.000 1.000 4.684 标准系数 t Sig. 共线性统计量 容差 24.090 .000 VIF a标准 误差 试用版 .194 (常量) 2 -1.583 -9.487 .116 .988 1.012 价格 轴距 .000 .061 .011 .356 5.718 .000 .988 1.012 a. 因变量: 销售量 分析：由表6-7得到最终的回归方程，汽车销售量=-1.822-0.55价格+0.61轴距，可通过提高轴距，降低价格提高汽车销售量。

表6-8 已排除的变量 模型 Beta In t Sig. 偏相关 容差 1 车型 .251 ba共线性统计量 VIF 1.002 最小容差 .998 3.854 .000 .301 .998 word可编辑

资料收集于网络，如有侵权请联系网站删除

发动机规格 马力 轴距 宽度 长度 净重 燃料箱容量 燃料效率 车型 发动机规格 马力 宽度 2 长度 净重 燃料箱容量 燃料效率 .342 .257 .356 .244 .308 .346 .266 -.198 .129 .145 .028 -.025 .027 .105 .002 .014 ccccccccbbbbbbbb4.128 2.062 5.718 3.517 4.790 4.600 3.687 -2.584 .000 .041 .000 .001 .000 .000 .000 .011 .320 .167 .424 .277 .365 .353 .289 -.207 .611 .293 .988 .892 .976 .722 .820 .758 1.636 3.417 1.012 1.121 1.025 1.385 1.219 1.319 .611 .293 .988 .892 .976 .722 .820 .758 1.928 1.576 .229 -.275 .056 .117 .819 .784 .157 .128 .019 -.023 .835 .445 .256 .470 1.197 2.246 3.910 2.126 .827 .445 .256 .470 .237 1.028 .024 .164 .813 .306 .981 .870 .020 .084 .002 .014 .290 .365 .443 .559 3.448 2.741 2.259 1.790 .290 .365 .443 .559 a. 因变量: 销售量 b. 模型中的预测变量: (常量), 价格。 c. 模型中的预测变量: (常量), 价格, 轴距。 表6-9 共线性诊断 模型 维数 特征值 条件索引 (常量) 1 1 2 1 2 2 3 1.885 .115 2.847 .150 .003 1.000 4.051 1.000 4.351 33.412 .06 .94 .00 .01 .99 方差比例 价格 .06 .94 .02 .97 .00 轴距 a .00 .01 .99 a. 因变量: 销售量 word可编辑

资料收集于网络，如有侵权请联系网站删除

图6-1

分析：由图6-1可知残差近似服从标准正态分布。

图6-2

分析：由图6-2，随着标准化预测值的变化，残差点在0线周围随机分布，大部分都落在（-3，3）范围内，无异常点。

表6-10 相关系数

word可编辑

资料收集于网络，如有侵权请联系网站删除

相关系数

Standardized Predicted Value

Spearman 的 rho

相关系数

Standardized Residual

Sig.（双侧）

N Sig.（双侧）

N

Standardized Predicted Value

1.000 . 155 .071 .382 155 Standardized Residual

.071 .382 155 1.000 . 155 分析：由表6-10相关系数，计算标准化残差和标准化预测值的spearman等级相关系数为0.071，认为异方差现象不明显。

第9题：回归分析4

解题思路

建立多元线性回归模型，解释变量采用向前筛选策略，根据输出结果进行模型拟合优度，回归方程显著性检验，回归系数显著性检验，多重共线性，方差齐性和残差的自相关等检验。

操作步骤

分析模型并作方差齐性和残差的自相关性检验：

选择菜单【分析→回归→线性】，选择被解释变量X5进入【因变量（D）】框，选择解释变量X2、X4、X7、X8进入【自变量（I）框】。在【方法（M）】框中选择【向前】，单击【统计量（S）】按钮，勾选【估计】、【模型拟合度】、【共线性诊断】与【Durbin-Waston(U)】项；单击【绘制（T）按钮】，将*ZRESID添加到Y(Y)框中，将*ZPRED添加到X2（X）框中；单击【保存（S）】按钮，在预测值与残差中勾选【标准化】选项。选择菜单【分析→相关→双变量】将标准化预测值和标准化残差选入【变量】框，在相关系数中选择Spearman,各项完成后点击【确定】。

分析多重共线性：

选择菜单【分析→回归→线性】，选择被解释变量X5进入【因变量（D）】框，选择解释变量X2、X4、X7、X8进入【自变量（I）框】。在【方法（M）】框中选择【进入】，单击【统计量（S）】按钮，勾选【估计】、【模型拟合度】、【共线性诊断】与【Durbin-Waston(U)】项。

输出结果与结果解释

输入／移去的变量 模型 输入的变量 word可编辑

移去的变量 方法 a