GS6002商业分析基础：第六周多元回归分析.pdfVIP

6.1学习目标

学习第6周后，您将能够：

1.解释并进行SPSS中的多元回归分析；2.解释多元回归模型；

3.检查多元回归模型的假设和条件

6.2模块概述

记得上周我们研究了简单线性回归，它建模了一个自变量和一个因变量之间的关

系。多元回归与此相同，但现在我们可以将多个自变量纳入模型中。为了在模型

中包含的预测变量，我们使用与简单线性回归相同的回归模型，并简单地添

加的预测变量。

Y=β+βX–Simplelinearregression

01

Y=β+βX+βX+βX…+βX–Multipleregression

0112233kk

回到上周的例子，一家公司想知道销售员总数与售出电脑总数之间是否存在关

系。假设他们还想了解价格和商店中可选品牌数量（以及销售员数量）的影响。

电脑销售=常数+β1(销售员人数)+β2(价格)+β3(品牌数量)

当我们运行回归时，假设我们得到的常数值为2.0，β为1.35，β为‑0.011，β为1.9。回归方

123

程将是：

Sal计算机的销售数量=2.0+1.35(销售人员数量)‑0.011(价格)+1.9(品牌数量)

如果我们知道某个商店的销售人员数量、计算机的价格以及该商店销售的品牌数

量，我们可以预测计算机的总销量。例如，一个拥有10名销售人员、销售价值

500的计算机且店内有4个其他品牌的电脑商店，将售出2.0+(1.35x10)–

(0.011x500)+(1.9x4)，相当于17.6台计算机。

每个系数都有一个相关的p值。我们首先需要做的是检查这些预测变量是否都显

著。假设上述系数的p‑值为销售人员数量的0.001，价格的0.02，品牌数量的

0.036。当预测变量的系数不显著时，该系数的值将非常接近于零，并且t值和p

值将反映对因变量没有贡献。也就是说，该系数的t值将小于1.96，p值大于

0.05。除非有理论保留它们在模型中，否则我们可以从方程中移除不显著的

预测变量。在这个例子中，所有预测变量的系数都是显著的（因为它们都小于

0.05）。注意：你会看到价格的系数非常接近于零，我们可能会认为它不显著，

但你将在下面看到为什么它可以是显著的。

6.1LearningObjectives

AfterstudyingWeek6youwillbeableto:

1.ExinandconductmultipleregressionanalysisinSPSS;

2.Interpretamultipleregressionmodel;and

3.Checktheassumptionsandconditionsofamultipleregressionmodel

6.2ModuleOverview

Rememberlastweekwelookedatsimplelinearregressionwhichmodelledthe

relationshipweenonetandonedependentvariable.Multiple

regressionisthesameexceptnowweareabletoentermultipletvariab

intothemodel.Toincludemorepredictorsinthemodel,weusethesameregression

modelassimplelinearregressionandjustsimplyaddmorepredictorvariab.