使用SPSS线性回归实现通径分析的方法.docxVIP

　　篇一：SPSS的线性回归分析实验报告 　　实  　　验  　　报告  　　篇二：SPSS实现一元线性回归分析实例  　　SPSS实现一元线性回归分析实例  　　2009-12-14 15:31  　　1、准备原始数据。为研究某一大都市报开设周日版的可行性，获得了34种报纸的平日和周日的发行量信息(以千为单位)。数据如图1所示。SPSS17.0 　　图1 　　2、判断是否存在线性关系。制作直观散点图：  　　（1）SPSS：菜单Analyze/Regression/linear Regression,如图2所示：  　　图2  　　（2）打开对话框如图3 　　图3　　图3中，Dependent是因变量，Independent是自变量，分别将左栏中的sunday选入因变量，daily选入自变量，newspaper作为标识标签选入case labels. 　　(3)点击图3对话框中的plots按钮，如图4所示： 　　图4 　　将因变量DEPENTENT 选入Y:，自变量 ZPRED 选入X: continue 返回上级对话框。单击主对话框OK.便生成散点图如图5所示： 　　图5 　　从以上散点图可看出，二者变量之间关系趋势呈线性关系。  　　2、回归方程  　　菜单Analyze/Regression/linear Regression，  　　在图3对话框的右边单击statistics如图6所示：  　　图6  　　regression coefficient回归系数，estimates估计值，confidence intervals level:95%置信区间，model fit拟合模型。点击continue返回主对话框，单击OK.结果如图7、图8所示： 　　图7 　　图7中第一个图是变量的输入与输出，从图下的提示可知所有变量均输入与输出，没有遗漏。图7中的第二图是模型总和R值，R平方值，R调整后的平方值，及标准误。 　　篇三：相关与线性回归的SPSS分析 　　上机操作7相关与线性回归的SPSS分析  　　习题1相关分析：  　　某林业研究院在不同纬度区进行了白榆育苗试验，不同纬度白榆苗高见下表，试建立白榆苗高与纬度的直线回归方程。 　　一、定义变量，输入数据 　　（1）定义变量：打开SPSS数据编辑器，点击“变量视图”，在名称列下输入“苗高”、“纬度”，改“类型”栏均为 “ 数字”（且设置为数值型）， “小数”栏保留1位。  　　（2）输入数据：点击“数据视图”在在各栏内依次输入下列数据: 　　二、分析过程 　　分析→相关→双变量，将“苗高”、“纬度”添加到“变量”中，其余为默认值。选项”→勾选“均值和标准差”→继续→确定。  　　三、输出结果分析 　　由上表可知：苗高与纬度的Sig.=0.003，即其值小于0.01，则说明苗高与纬度的相关性达到极显著性水平。 　　习题2：回归分析 　　某林业站进行了林地水肥管理试验，测得的林分生物量见下表，试建立林分生物量与施肥灌水的回归方程。 　　一、定义变量，输入数据  　　（1）定义变量：打开SPSS数据编辑器，点击“变量视图”，在名称列下输入“生物量”、“施肥”、“灌水”，改“类型”栏均为 “ 数字”， “小数”栏保留0位。  　　（2）输入数据：点击“数据视图”在各栏内依次输入下列数据: 　　二、分析过程 　　分析→回归→线性，将“生物量”、添加到“因变量”中，将“施肥”、“灌水”添加到“自变量”中，在“方法”下拉菜单中选择“逐步”。点击“统计量”，勾选其下回归系数中的“估计”、“模型拟合”、“R方变化”、“描述性”、“部分相关性和偏相关性”→选项，其输出窗口内容按默认值→继续→确定三、输出结果分析  　　描述统计量 　　从上表可知：施肥的均值最高，生物量的均值次之，灌水的均值最小。　　从上表可知：生物量与施肥的相关性值为0.910，它们的Sig.　　从上表可知：施肥与灌水的F检验的概率都是　　b预测变量:(常量), 施肥, 灌水。 　　从上表可知：模型1和模型2的R值分别为0.910和0.993，说明模型1和模型2没有达到剔除概率，它们都具有统计学意义。 　　b预测变量:(常量), 施肥, 灌水。 c因变量: 生物量 　　从上表可知：模型1和模型2的F检验Sig.值都小于0.01，说明模型1和模型2的相关性都达到极显著性水平，即模型1和模型2的方程都具有统计学意义。 　　系数(a) 　　标准化系数 Beta  　　.910  　　1.641 -.832  　　t .716 9.312 -1.437 28.245 -14.328  　　显著性  　　.483 .00