SPSS实验6-回归分析.docx

《SPSS实验6-回归分析.docx》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、SPSS作业6:回归分析（一）回归分析多元线性回归模型的基本操作：（1）选择菜单Analyze—Regression—Linear;（2）选择被解释变量（能源消费标准煤总量）和解释变量（国内生产总值、工业增加值、建筑业增加值、交通运输邮电业增加值、人均电力消费、能源加工转换效率）到对应框中；（3）在Method框中，选择Enter方法；在Statistics框中，选择Estimates、Modelfit、Covariancematrix、Collinearitydiagnostics选项；在Plots框中，选择ZRESE［到Y框，ZPRED到X框，再选择Histogram和Nor

2、malplot;（4）选择菜单Analyze—NonTest—1-SanpleK-S;选择菜单Analyze—Correlate—Brivariate;结果如下：Regression能源消费需求的多元线性回归分析结果（强制进入策略）（一）ModelSummarybModelRRSquareAdjustedRSquareStd.ErroroftheEstimate1.990a.980.9738480.38783a.Predictors:(Constant),能源加工转换效率/%,交通运输邮电业增加值/亿元，工业增加值/亿元，人均电力消费/千瓦时，建筑业增加值/亿元，国内生产总值/亿

3、元11b.DependentVariable:能源消费标准煤总量/万吨分析：被解释变量和解释变量的复相关系数为0.990,判定系数为0.980，调整的判定系数为0.973，回归方程的估计标准误差为8480.38783。该方程有6个解释变量，调整的判定系数为0.973,，接近于1,所以拟合优度较高，被解释变量可以被模型解释的部分较多，未能解释的部分较少。能源消费需求的多元线性回归分析结果(强制进入策略)(二)ANOVAModelSumofSquaresdfMeanSquareFSig.1Regression5.766E1069.611E9133.636.000aResidual1.

4、151E9167.192E7Total5.882E1022a.Predictors:(Constant),能源加工转换效率/%,交通运输邮电业增加值/亿元，工业增加值/亿元，人均电力消费/千瓦时，建筑业增加值/亿元，国内生产总值/亿元b.DependentVariable:能源消费标准煤总量/万吨分析：由上可知，被解释变量的总离差平方和为5.882E10，回归平方和及均方分别为5.766E10和9.611E9，剩余平方和及均方分别为1.151E9和7.192E7，F检验统计量的观测值为133.636，对应的概率p值近似为0。如果显著性水平a为0.05，由于p值小于a,所以拒绝回归

5、方程显著性检验的零假设，认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，可建立线性模型。11能源消费需求的多元线性回归分析结果（强制进入策略）CoefficientsaModelUnstandardizedCoefficientsStandardizedCoefficientstSig.CollinearityStatisticsBStd.ErrorBetaToleranceVIF1(Constant)168326.234108640.9721.549.141国内生产总值/亿元-.142.764-.191-.186.855.001854.967工业增加值/亿

6、元.503.249.2932.024.060.05817.109建筑业增加值/亿元8.29410.431.619.795.438.002495.962交通运输邮电业增加值/亿元-.203.111-.075-1.829.086.7311.368人均电力消费/千瓦时233.912388.519.338.602.556.004257.777能源加工转换效率/%-1373.3761588.868-.051-.864.400.3532.833a.DependentVariable:能源消费标准煤总量/万吨分析：上表各列分别为方程的偏回归系数、偏回归系数的标准误差、标准化偏回归系数、回归系数

7、显著性检验中t统计量的观测值、对应的概率p值、解释变量的容忍度和方差膨胀因子。由上可以看出，如果显著性水平a为0.05，几乎所有变量的回归系数显著性t检验的概率p值都大于显著性水平，因此不应拒绝零假设，认为这些偏回归系数与0无显著差异，它们与被解释变量的线性关系是不显著的，不应该保留在方程中。同时，从容忍度和方差膨胀因子来看，该方程的解释变量的多重共线性严重，该模型中保留了一些不应该保留的变量，因此该模型目前是不可用的，应重新建模，而且在重新建模时，考虑剔除一些不应该保留的变量。