多元线性回归实例分析报告.pdfVIP

实用标准文档 SPSS--回归- 多元线性回归模型案例解析！ ( 一） 多元线性回归，主要是研究一个因变量与多个自变量之间的相关关系，跟一元回归原 理差不多，区别在于影响因素（自变量）更多些而已，例如：一元线性回归方程 为： 毫无疑问，多元线性回归方程应该为： 上图中的 x1, x2, xp 分别代表“自变量” Xp 截止，代表有 P 个自变量，如果有“ N 组样 本，那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中： 代表随机误差， 其中随机误差分为：可解释的误差 和 不可解释 的误差，随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差 必须是服成正太分别的随机变量。 2：无偏性假设，即指：期望值为 0 3：同共方差性假设，即指，所有的 随机误差变量方差都相等 4：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。 今天跟大家一起讨论一下， SPSS 多元线性回归的具体操作过程， 下面以教程教程数据 为例， 分析汽车特征与汽车销售量之间的关系。 通过分析汽车特征跟汽车销售量的关系， 建 立拟合多元线性回归模型。数据如下图所示： 文案大全 实用标准文档 点击“分析”——回归——线性——进入如下图所示的界面： 文案大全 实用标准文档 将“销售量”作为“因变量”拖入因变量框内， 将“车长，车宽，耗油率，车净重等 10 个自变量 拖入自变量框内，如上图所示，在“方法”旁边，选择“逐步”，当然，你也可 以选择其它的方式，如果你选择“进入”默认的方式，在分析结果中，将会得到如下图所示 的结果：（所有的自变量，都会强行进入） 如果你选择“逐步”这个方法，将会得到如下图所示的结果：（将会根据预先设定的“ F 统 计量的概率值进行筛选， 最先进入回归方程的 “自变量”应该是跟 “因变量”关系最为密切， 贡献最大的，如下图可以看出，车的价格和车轴 跟因变量关系最为密切，符合判断条件的 概率值必须小于 0.05 ，当概率值大于等于 0.1 时将会被剔除） 文案大全 实用标准文档 “选择变量 (E) 框内，我并没有输入数据，如果你需要对某个“自变量”进行条件筛选， 可以将那个自变量，移入“选择变量框”内，有一个前提就是：该变量从未在另一个目标列 表中出现！，再点击“规则”设定相应的“筛选条件”即可，如下图所示： 点击“统计量”弹出如下所示的框，如下所示： 文案大全 实用标准文档 在 “回归系数” 下面勾选 “估计，在右侧勾选” 模型拟合度 “ 和”共线性诊断 “ 两个选项， 再勾选“个案诊断”再点击“离群值”一般默认值为“ 3”，（设定异常值的依据，只有当 残差超过 3 倍标准差的观测才会被当做异常值） 点击继续。 提示： 共线性检验， 如果有两个或两个以上的自变量之间存在线性相关关系， 就会产生多重共线性 现象。 这时候， 用最小二乘法估计的模型参数就会不稳定， 回归系数的估计值很容易引起误