SPSS 统计分析
多元线性回归分析方法操作与分析
实验目的：
引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。
实验变量：
以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。
实验方法：多元线性回归分析法
软件：spss19.0
操作过程：
第一步：导入Excel数据文件
1.open data document——open data——open；
2. Opening excel data source——OK.
第二步：
1.在最上面菜单里面选中Analyze——Regression——Linear ，Dependent（因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method 选择Stepwise.
进入如下界面：
2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.
3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.
4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.
5.点击右侧Options，默认，点击Continue.
6.返回主对话框，单击OK.
输出结果分析：
1.引入/剔除变量表
Variables Entered/Removed a
Model Variables Entered Variables Removed Method
1 城市人口密度(人/平方公里) . Stepwise (Criteria:
Probability-of-F-to-enter
<= .050,
Probability-of-F-to-remove >=
.100).
2 城市居民人均可支配收入(元) . Stepwise (Criteria:
Probability-of-F-to-enter
<= .050,
Probability-of-F-to-remove >=
.100).
a. Dependent Variable: 商品房平均售价（元/平方米）
该表显示模型最先引入变量城市人口密度(人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。
2.模型汇总
该表显示模型的拟合情况。
从表中可以看出，模型的复相关系数（R）为1.000，判定系数（R Square）为1.000，调整判定系数（Adjusted R Square）为1.000，估计值的标准误差（Std. Error of the Estimate）为28.351，Durbin-Watson检验统计量为2.845，当DW≈2时说明残差独立。
3.方差分析表
ANOVA c
Model Sum of Squares df Mean Square F Sig.
1 Regression 38305583.506 1 38305583.506 30938.620 .000a
Residual 11143.039 9 1238.115
Total 38316726.545 10
2 Regression 38310296.528 2 19155148.264 23832.156 .000b
Residual 6430.018 8 803.752
Total 38316726.545 10
a. Predictors: (Constant), 城市人口密度(人/平方公里)
b. Predictors: (Constant), 城市人口密度(人/平方公里), 城市居民人均可支配收入(元)
c. Dependent Variable: 商品房平均售价（元/平方米）
该表为多元线性回归的系数列表。
表中显示了模型的偏回归系数（B）、标准误差（Std. Error）、常数（Constant）、标准化偏回归系数（Beta）、回归系数检验的t统计量观测值和相应的概率p值（Sig.）、共线性统计量显示了变量的容差（Tolerance）和方差膨胀因子（VIF）。
令x1表示城市人口密度(人/平方公里)，x2表示城市居民人均可支配收入(元)，根据模型建立的多元多元线性回归方程为：
y=1555.506+1.020 x1 +0.017x2
方程中的常数项为1555.506，偏回归系数b1为1.020，b2为0.017，经T检验，b1和b2的概率p值分别为0.000和0.042，按照给定的显著性水平0.10的情形下，均有显著性意义。
根据容差发现，自变量间共线性问题严重；VIF值为20.126，也可以说明共线性较明显。
这可能是由于样本容量太小造成的。
5.模型外的变量
6. 共线性诊断
该表是多重共线性检验的特征值以及条件指数。
对于第二个模型，最大特征值为2.891，其余依次快速减小。
第三列的各个条件指数，可以看出有多重共线性。
7. 残差统计量
该表为回归模型的残差统计量，标准化残差（Std. Residual ）的绝对值最大为1.659，没有超过默认值3，不能发现奇异值。
Collinearity Diagnostics a
Model Dimension Eigenvalue
Condition Index
Variance Proportions
(Constant)
城市人口密度 (人/平方公里)
城市居民人均可
支配收入(元)
1
1 1.898 1.000 .05 .05 2
.102 4.319 .95 .95
2
1 2.891 1.000 .00 .00 .00
2 .106 5.21
3 .21 .03 .00 3
.003
30.736
.78
.97
1.00
a. Dependent Variable: 商品房平均售价（元/平方米）
Residuals Statistics a
Minimum
Maximum
Mean Std. Deviation
N
Predicted Value
3394.71
8382.83
5465.64
1957.302
11
Residual -47.035 40.271 .000 25.357 11
Std. Predicted Value -1.058 1.490 .000 1.000 11
Std. Residual -1.659 1.420 .000 .894 11
a. Dependent Variable: 商品房平均售价（元/平方米）
该图为回归标准化残差的直方图，正态曲线也被显示在直方图上，用以判断标准化残差是否呈正态分布。
但是由于样本数只有11个，所以只能大概判断其呈正态分布。
9.回归标准化的正态P-P图
10.因变量与回归标准化预测值的散点图
完美格式整理版
附件：
原始数据：
自变量散点图：
由散点图可以看出，可进入分析的变量为城市人口密度、城市居民人均可支配收入。
学习好帮手。