实验的四用SPSS进行多元回归分析报告报告材料.docVIP

实用标准文案 精彩文档 实验四 用SPSS进行多元回归分析 某农场通过试验取得早稻收获量与春季降雨和春季温度的数据如下表，计算回归参数和检验统计量。 表1 春季降雨和春季温度的数据 收获量（kg/公顷）y1500230030004500480050005500降雨量（mm）x1253345105110115120温度（℃）x26810131416171.数据录入。将收获量作为因变量,降雨量和温度作为自变量分别输入数据区域,格式如下图。 图1 数据输入界面 2. 统计分析。逐一选取“Analyze”、“Regression”、“Linear” 展开对话框如下图所示。将X选入independent（自变量框），将Y选入dependent（因变量框）。 图2 选择分析工具 图3 选择变量进入右侧的分析列表 然后点击Statistics 按钮，出现一个有关各种统计选项的对话框。点击Plot 按钮可绘制残差分布图、直方图、极端值图或正态概率图。Options 按钮可改变进行逐步回归时的内部数值的设定以及对缺失值的处理方式。Method 框中可选取不同的筛选自变量的回归方法。默认项为强制进入法Enter。本次检验使用默认选项Estimates 和Model fit，单击OK 键进行统计分析。 图4 回归选项设置 表2 选入或删除的变量 输入／移去的变量a模型输入的变量移去的变量方法1x2, x1b.输入a. 因变量: yb. 已输入所有请求的变量。表3 模型总结 模型汇总模型RR 方调整 R 方标准 估计的误差1.996a.991.987174.28736a. 预测变量: (常量), x2, x1。表4 方程配合适度检验结果 Anovaa模型平方和df均方FSig.1回归67026939247.835228.444.000b残差121504.330430376.083总计0006a. 因变量: yb. 预测变量: (常量), x2, x1。 表5 回归结果 系数a模型非标准化系数标准系数tSig.B标准 误差试用版1(常量)-.394336.669-.001.999x114.9246.400.4152.332.080x2218.44865.865.5903.317.029a. 因变量: y 第一个表格显示了选入或删除的变量，本试验有两个自变量，x1，x2 被选入方程,无删除的变量。 第二个表格为模型总结。给出了复相关系数R ，复相关系数平方R Square，调整复相关系数平方Adjusted R Square， 估计值的标准误Std. Error of the Estimate。 第三个表格为方程配合适度检验结果，F=228.444， P(Sig.)=0.0005,说明自变量和应变量之间有回归关系存在。 第四个表格给出了直线回归方程系数的值及偏回归系数的检验结果。Unstandardized Coefficients B 为偏回归系数系数，Std Error 为偏回归系数系数标准误差，Standardized Coefficients Beta 为标准化偏回归系数。