SPSS对主成分回归实验报告.docVIP

PAGE 第 PAGE 1 页 《多元统计分析分析》实验报告 2012 年 月 日 学院 经贸学院 姓名 学号 实验 名称 实验成绩 一、实验目的 （一）利用SPSS对主成分回归进行计算机实现. （二）要求熟练软件操作步骤，重点掌握对软件处理结果的解释. 二、实验内容 以教材例题7.2为实验对象，应用软件对例题进行操作练习，以掌握多元统计分析方法的应用 三、实验步骤（以文字列出软件操作过程并附上操作截图） 1、数据文件的输入或建立：(文件名以学号或姓名命名) 将表7.2数据输入spss：点击“文件”下“新建”——“数据”见图1： 图1 点击左下角“变量视图”首先定义变量名称及类型：见图2： 图2： 然后点击“数据视图”进行数据输入（图3）： 图3 完成数据输入 2、具体操作分析过程 ： （1）首先做因变量Y与自变量X1-X3的普通线性回归： 在变量视图下点击“分析”菜单，选择“回归”-“线性”（图4）： 图4 将因变量Y调入“因变量”栏，将x1-x3调入“自变量”栏（图5）： 然后选择相关要输出的结果：①点击右上角“统计量（s）”：“回归系数”下选择“估计”；“残差”下选择“D.W”；在右上角选择输出“模型拟合度”、“部分相关和偏相关”“共线性诊断”（后两项是做多重共线性检验）。选完后点击“继续”（见图6）②如果需要对因变量与残差进行图形分析则需要在“绘制”下选择相关项目（图7），一般不需要则继续③如果需要将相关结果如因变量预测值、残差等保存则点击“保存”（图8），选择要保存的项目④如果是逐步回归法或者设置不带常数项的回归模型则点击“选项”（图9） 其他选项按软件默认。最后点击“确定”，运行线性回归，输出相关结果（见表1-3） 图5 图6 图7 图8 图9 回归分析输出结果： 表1 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 Durbin-Watson 1 .996a .992 .988 .48887 2.740 a. 预测变量: (常量), x3, x2, x1。 b. 因变量: y 表2 Anovab 模型 平方和 df 均方 F Sig. 1 回归 204.776 3 68.259 285.610 .000a 残差 1.673 7 .239 总计 206.449 10 a. 预测变量: (常量), x3, x2, x1。 b. 因变量: y 表3 系数a 模型 非标准化系数 标准系数 t Sig. 相关性 共线性统计量 B 标准 误差 试用版 零阶 偏 部分 容差 VIF 1 (常量) -10.128 1.212 -8.355 .000 x1 -.051 .070 -.339 -.731 .488 .965 -.266 -.025 .005 185.997 x2 .587 .095 .213 6.203 .000 .251 .920 .211 .981 1.019 x3 .287 .102 1.303 2.807 .026 .972 .728 .095 .005 186.110 a. 因变量: y 由表可知，回归模型拟合优度达到99.2%，方差分析也显示线性回归方程整体显著（F=285.61，Sig.=0.000）但是回归系数估计结果中，x1的系数为-0.051与一般经济理论矛盾且不显著（t检验值-0.731，检验的p值0.488），经多重共线性诊断（x1与x3的VIF值高达180以上）表明自变量存在共线性。运用主成分分析做多重共线性处理： （2）自变量x1-x3的主成分分析： 由于spss没有独立的主成分分析模块，需要在因子分析里完成，因此需要特别注意： 在数据窗口下选择“分析”—“降维”—“因子分析”（见图10）； 在弹出的窗口中将x1-x3调入“变量”（见图11）； 然后①点击“描述”，选择要输出的统计量（见图12）：选中“统计量”下的两个项目（输出变量描述统计和初始分析结果）；在“相关矩阵”一般要选择输出“系数”、“显著性水平”、“KMO”（做主成分分析和因子分析的适用性检验，也就是检验变量之间的相关系数是否足够大可以做因子分析）选完后点击“继续”进行下一步；②点击“抽取”（见图13）：在“方法”下默认“主成分”；“分析”下，默认“相关性矩阵”（含义是要对变量做标准化处理，然后基于标准化后的协差阵也就是相关阵进行分解做因子分析或主成分分析），如果不需要对变量做标准化处理就选“协方差矩阵”；“输出”中的两项都选，要求输出没有旋转的因子解（主成分分析必选项）和碎石图（用图形决定提取的主成分或因子的个数）；“抽取“下，默认的是基于特征值（大于1表示提