SPSS—回归—多元线性回归结果分析报告报告材料二.pdf

实用标准文案 SPSS—回归—多元线性回归结果分析（二） 2011-10-27 14:44 ，最近一直很忙，公司的潮起潮落，就好比人生的跌岩起伏，眼看着一步步走向 衰弱，却无能为力，也许要学习“步步惊心”里面“四阿哥”的座右铭：“行到 水穷处”，”坐看云起时“。 接着上一期的“多元线性回归解析”里面的内容，上一次，没有写结果 分析，这次补上，结果分析如下所示： 结果分析 1： 由于开始选择的是“逐步”法，逐步法是“向前”和“向后”的结合体，从结果 可以看出，最先进入“线性回归模型”的是“ price in thousands 建立了 模型 1，紧随其后的是“ Wheelbase 建立了模型 2，所以，模型中有此方法有 个概率值，当小于等于 0.05 时，进入“线性回归模型”（最先进入模型的，相 关性最强，关系最为密切）当大于等 0.1 时，从“线性模型中”剔除 精彩文档 实用标准文案 结果分析： 1：从“模型汇总”中可以看出，有两个模型，（模型 1 和模型 2 ）从 R2 拟合优 度来看，模型 2 的拟合优度明显比模型 1 要好一些 （0.4220.300 ） 2 ：从“Anova表中，可以看出“模型 2 ”中的“回归平方和”为 115.311 ，“残 差平方和”为 153.072 ，由于总平方和 = 回归平方和 +残差平方和，由于残差平 方和 ( 即指随即误差，不可解释的误差）由于“回归平方和”跟“残差平方和” 几乎接近，所有，此线性回归模型只解释了总 平方和的一半， 3：根据后面的“ F 统计量”的概率值为 0.00 ，由于 0.000.01 ，随着“自变量” 的引入，其显著性概率值均远小于 0.01 ，所以可以显著地拒绝总体回归系数为 0 的原假设，通过 ANOVA方差分析表可以看出“销售量”与“价格”和“轴距” 之间存在着线性关系，至于线性 关系的强弱，需要进一步进行分析。 精彩文档 实用标准文案 结果分析： 1：从“已排除的变量”表中，可以看出：“模型 2”中各变量的 T 检的概率值 都大于“ 0.05 ”所以，不能够引入“线性回归模型”必须剔除。 精彩文档 实用标准文案 从“系数 a ” 表中可以看出： 1：多元线性回归方程应该为：销售量 =-1.822-0.055* 价格 +0.061* 轴距 但是，由于常数项的 sig 为（0.1160.1) 所以常数项不具备显著性，所以，我 们再看后面的 “标准系数”，在标准系数一列中， 可以看到 “常数项”没有数值， 已经被剔除 所以：标准化的回归方程为：销售量 =-0.59* 价格 +0.356* 轴距 2 ：再看最后一列“共线性统计量”，其中“价格”和“轴距”两个容差和“ vif 都一样，而且 VIF 都为 1.012 ，且都小于 5，所以两个自变量之间没有出现共线 性，容忍度和 膨胀因子是互为倒数关系， 容忍度越小， 膨胀因子越大， 发生共线性的可能性也 越大 精彩文档