当前位置:文档之家› 回归分析spss实现

回归分析spss实现


Coefficieants
UnstandardSiztaenddardized CoefficienCtsoefficients 95% Confidence IntervalCfoorrBelationCsollinearity Statistics
Model
BStd. ErrorBeta
t SiLgo. wer BUopupnedr BZoeurnod-ordPearrtial PaTrtolerancVe IF
关系。
• 3)多重共线性检验:容忍度(tolerance)越接近于0,多重共 线性越强;方差膨胀因子(VIF)越大,一般大于等于10 时,说明解释变量Xi 与其余解释变量之间有较强的多重 共线性。
第九讲 回归分析的SPSS实现
精品
线性回归分析
• 被解释变量和各个解释变量各对应一个 spss变量.
• 一元线性回归和多元线性回归分析的功能 菜单是集成到一起的.
• 数据:高校科研研究.data
精品
一、描绘散点交互图
• 基本步骤
– Graphs---interactive---Scatterplot – Assign Variable---y=课题数;x=高级职称人数 – Fit---Method---选择Regression – OK
bD . ependent Variable: 课 题 总 数
结果说明: 1)调整后的R2=0.939,因此模型的拟和优度较高; 模型 的F检验达到了0.00的极显著水平.说明模型的线 性关 系较显著,具有较强的解释能力 2)D.W值=1.838接近于2,说明模型的序列相关性不强.
精品
结果二:模型方差分析表
1 (Consta-3n5t).31736.580
-.461 .64-1993.361722.740
投 入 人 年.数 698 .208 1.3613.352 .003 .268 1.128 .959 .565 .169 .01654.811
投入高级职称的人 年 数 ( 上-.年 46) 7 .626 -.464 -.747 .463 -1.759 .824 .944 -.151 -.038 .010571.824
ANOVA b
Sum of
Model
Squares
1
Regress1io9n790313
df Mean Square F 36298385.480 61.532
Sig. .000a
Residual 1286497
24 53604.047
Total 21076810
30
a.Predic tors: (Constant), 获 奖 数 ( 上 年 ) , 投 入 科 研 事 业 费 ( 百 元 论 文 数 (上 年 ) , 专 著 数 ( 上 年 ) , 投 入 人 年 数 , 投 入 高 级 职 称 年)
ModeRlR SquRarS eqtu ha erE e stim Cahtaen FgC e hangd ef1
1 .969a.939 .922341.5255 .93691.532
6
DurbindSf2 ig. F ChaW ngaetson
24 .000 1.838
aP . redictors: (Constant), 获 奖 数 ( 上 年 ) , 投 入 科 研 事 业 费 职称 的人 年数 (上年 )
probality plot” • 选择”ZPRED”输入到”Y”;选择”SRESID”输入到”X”; • OK
精品
(一)立项课题数多元线性回归分析结果 (enter策略)
结果一:模型综述表
Model Summ b ary
Change Statistics
AdjuS st d e.d Er rR orSoqfuare
aD . ep endent Variable : 课 题 总 数
精品
结果说明:
• 1)由于回归方程:课题立项数=-35.313+0.698投入人年数+---
• 2)变量的显著性检验:只有“投入人年数”达到了0.003
的极显
著水平,其他变量都不显著,说明除了 “投
入人年数”外, 其他变量都与课题立项数没有显著的线性
精品
课题 总数
40 00.0 30 00.0
课题总数 = -24.52 + 0.95 * X3
R-Square = 0.89
20 010 00.0
20 00.0
投入高级职称的人年数(上年)
30 00.0
精品
Linea r Re gre ssion with 95.00% Mea n Pr ediction Interval
b.Dependent Variable: 课 题 总 数
结果说明: 模型的F检验值=61.532,对应的概率值P=0.00,远小于0.01
的极显著水平,应该拒绝回归系数为零的原假设,即认为回归 系数不同时为零,被解释变量与解释变量全体的线性关系是显 著的,可以建立线性模型.
精品
结果三:系数分析表
论 文 数 (上 -.0年 64).053 -.252-1.198 .243 -.173 .046 .887 -.238 -.060 .05187.384
获 奖 数 (.上 71年 2 .) 503 .1191.416 .170 -.326 1.751 .665 .278 .071 .3582.796
投入科研事业费 ( 百 元 ).( 00上 3 .年 00) 2 .2371.601 .122 -.001 .007 .862 .311 .081 .1178.576
专 著 数 (.上 02年 2 .) 377 .014 .059 .953 -.755 .800 .868 .012 .003 .04261.875
二、用Linear Regression分析
• Analyze---Regression---Linear • 选择被解释变量进入Dependent框---课题数 • 选择一个或多个解释变量进入Independent(s)框 • METHOD---Enter; stepwise;--• 单击Statistics,选择全部核选框 • 单击Plots,选择”Histogram”核选框和”Normal
相关主题