spss学习第8章.pptVIP

（2）模型摘要 表8-3是对模型的简单汇总，其实就是对方程拟合情况的描述。通过这张表可以知道相关系数的取值，相关系数的平方即可决系数，校正后的可决系数和回归系数的标准误。注意这里的相关系数大小和前面相关分析中计算出的结果完全相同。可决系数的取值介于0和1之间，它的含义就是自变量所能解释的方差在总方差中所占的百分比，取值越大说明模型的效果越好。本案例计算的回归模型中可决系数R2等于0.957，模型拟合效果较好。 1.方法概述 在回归分析中，如果有两个或两个以上的自变量，就称为多元回归。 2.基本原理 多元线性回归模型是指有多个自变量的线性回归模型，它用于揭示因变量与多个自变量之间的线性关系。多元线性回归方程的经验模型是： 上式中，假设该线性方程有k个自变量 。 是回归方程的偏回归系数。 表示在其他自变量保持不变的情况下，自变量 变动一个单位所引起的因变量的平均变动单位。 8.2.1 多元线性回归的基本原理 由于多元线性回归模型是一元回归模型的推广，因此两者在SPSS软件中的操作步骤是非常相似的。选择菜单栏中的【分析】→【回归】→【线性】命令，弹出【线性回归】对话框。这既是一元线性回归也是多元线性回归的主操作窗口。因此，读者可以参考8.1.2节的操作步骤。只不过由于多元回归模型涉及到多个自变量，因此在图8-1中要在【线性回归】对话框左侧的候选变量列表框中选择多个变量，将其添加至【自变量】列表框中，即选择这些变量作为多元线性回归的自变量。 8.2.2 多元线性回归的SPSS操作详解 娱乐时光影剧院公司的老板希望了解公司投放的电视广告费用和报纸广告费用对公司收入的影响。以往8周的样本数据如表8-6所示（单位：千美元）。请建立模型分析这两种广告形式对公司营业收入的影响。 8.2.3 实例分析：电视广告和报纸广告 实例内容 本案例要分析电视广告和报纸广告对公司收入的影响，则可以建立二元回归模型来探讨它们之间的关系，即 每周营业总收入=f（电视广告费用，报纸广告费用） 可以通过比较电视广告和报纸广告变量的系数大小来研究这两种广告形式对收入的影响程度高低。但是，是否收入和广告费用呈线性关系，则首先要绘制散点图来判断。通过三维散点图8-9看到，这三个变量之间呈明显的线性增长关系，因此可以建立营业收入的二元影响回归模型如下： 实例操作 （1）移入/移去的变量 执行完上面的操作后，首先给出的是自变量进入方式表8-7。由于这里的自变量进入方式采用的是系统默认，即强行进入法，可以看到回归模型的选入变量是报纸广告费用和电视广告费用。 实例结果及分析 （2）模型摘要 表8-8给出了衡量该回归方程优劣的统计量。R为复相关系数，它表示模型中所有自变量（tv、newspaper）与因变量income之间的线性回归关系的密切程度大小。它的取值介于0和1之间；R越大说明线性回归关系越密切。可决系数R2等于复相关系数的平方，这里等于0.959。调整的R2为我们要重点关注的统计量；它的值越大，模型拟合效果得越好；表8-8中调整的R2为0.887。最后给出的是剩余标准差，它是残差的标准差，其大小反映了建立的模型预测因变量的精度。剩余标准差越小，说明建立的模型效果越好。 （3）方差分析表 表8-9是对回归模型进行方差分析的检验结果。可以看到方差分析结果中F统计量等于28.378，概率P值0.002小于显著性水平0.05，所以该模型是有统计学意义的，即两种广告支出费用和每周营业收入之间的线性关系是显著的。 （4）回归系数表 表8-10给出了回归模型的常数项、电视广告费用和报纸广告费用的偏相关系数，它们分别等于83.230、2.290和1.301。于是得到回归方程如下： 每周营业总收入＝ 83.230＋2.290×电视广告费用＋1.301×报纸广告费用 其中常数项表示当自变量取值全为0时，因变量的取值大小，即没有这两种广告投入时电影院的营业收入。同时比较电视广告和报纸广告的系数看到，电视广告对电影院的收入影响要大于报纸广告的影响。 表8-10还给出了模型对tv和income变量的偏回归系数是否等于0的t检验结果。t值分别等于7.532和4.057，概率P值都小于显著性水平0.05，因此认为偏相关系数β1、β2显著不等于0。同时，SPSS在输出一般偏回归系数的同时，也输出了各自的标准化偏回归系数。 表为回归系数表 1.方法概述 实际中，变量之间的关系往往不是简单的线性关系，而呈现为某种曲线或非线性的关系。此