SPSS回归分析实训指导综述.doc

山 东 英 才 学 院 实 训 报 告 小组成员：王连群、李晓聪、程焕、宫恩麟、于彬、曹亮亮 班级：本科市场营销1401班 实训地点：商-5002 实训时间：2016-06-17 指导老师：尹晓宇 实训项目：Spss回归分析 实训内容：回归分析 相关系数 一元线性相关分析 多元线性相关分析 实训步骤与结果： 6.2 解： (1) 先做散点图 Graphs→Scatter/Dot→Simple Scatterplot，将y选入Y Axis，将x选入X Axis； 图6-2-1 图6-2-1显示的是航班正点率和投诉率的散点图，由图形可以看出两者大致呈线性关系。因此以航班正点率为自变量，投诉率为因变量建立线性回归模型。 （2）计算相关系数 Analyze→Correlate→Bivariate Correlations，将y和x选入Variables，选中Person，Two-tailed和Flag significant correlations。 表6-2-1 Correlationsx 航班正点率 %y 投诉率 (次/10万名乘客)x 航班正点率 %Pearson Correlation1-.883**Sig. (2-tailed).002N99y 投诉率 (次/10万名乘客)Pearson Correlation-.883**1Sig. (2-tailed).002N99**. Correlation is significant at the 0.01 level (2-tailed).表6-2-1是自变量和因变量的相关分析表，两者的Pearson相关系数为-0.883，显著性概率为0.0020.01，线性相关性显著。 （3）进行一元线性回归 Analyze→Regression→Linear Regression，将y选入Dependent，将x选入Independent(s)。 表6-2-2 ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression.6381.63824.674.002aResidual.1817.026Total.8198a. Predictors: (Constant), x 航班正点率 %b. Dependent Variable: y 投诉率 (次/10万名乘客) 表6-2-3 CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant)6.0181.0525.719.001x 航班正点率 %-.070.014-.883-4.967.002a. Dependent Variable: y 投诉率 (次/10万名乘客)表6-2-2是回归模型的方差分析表，F值为24.674，显著性概率是0.0020.05，从而拒绝原假设，认为解释变量和因变量之间的线性关系非常显著，可以建立线性模型。 表6-1-4是回归模型的回归系数表，回归系数的显著性检验统计量t统计量的值为-4.967，对应的显著性水平Sig.=0.0020.05，认为方程显著，因此可以得出建立的回归模型为： （4）预测 在X列中输入80，Analyze→Regression→Linear Regression，在save选项中Predicted Values下选中Unstandardized，在Predicted Intervals同时选中Mean和Individual。数据文件中将输出非标准化的预测值及均值和个体值的预测区间。如果航班正点率为80%，用回归方程预测的投诉率为0.38468，均值95%的预测区间为（0.15071，0.61865），个体值95%的预测区间为（-0.06180，0.83116），由于投诉率0，所以个体值95%预测区间应为（0，0.83116）。因此，如果航班正点率为80%，每10万名乘客投诉的次数为38468次，均值95%的预测区间为（15071， 61865），个体值95%的预测区间为（0， 83116）。 6.1 解： （1）对因变量和解释变量进行相关性分析，Analyze→Correlate→Bivariate Correlations，将y、x1、x2、x3、x4和x5选入Variables，选中Person，Two-taile