多元回归分析在大多数的实际问题中.docVIP

多元回归分析在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。可以建立因变量y与各自变量xj(j=1,2,3,…,n)之间的多元线性回归模型： 其中：是回归常数；(k=1,2,3,…,n)是回归参数；e是随机误差。 Y=年销售量（百万线对英尺），X1=GNP（十亿元），X2=新迁住宅（千户），X3=失业率（%），X4=半年期最低利率，X5=话费收益率（%） 单击主菜单中“分析”—“回归”—“线性”的选项 输入／移去的变量b 模型 输入的变量 移去的变量 方法 1 话费收益率, 新迁住宅, GNP, 失业率, 半年期最低利率a . 输入 a. 已输入所有请求的变量。 b. 因变量: 年销售量 模型汇总b 模型 R R 方 调整 R 方 标准 估计的误差 1 .935 .873 .810 530.22626 a. 预测变量: (常量), 话费收益率, 新迁住宅, GNP, 失业率, 半年期最低利率。 b. 因变量: 年销售量 是回归模型统计量：R 是相关系数；R Square相关系数的平方，又称判定系数，判定线性回归的拟合程度：用来说明用自变量解释因变量变异的程度（所占比例）；Adjusted RSquare 调整后的判定系数；Std. Error of the Estimate 估计标准误差。 Anovab 模型 平方和 df 均方 F Sig.