作业帮请教SPSS进行一元线性回归分析的一般步骤
来源：学生作业帮 编辑：作业帮 分类：综合作业 时间：2024/05/05 01:26:54
请教SPSS进行一元线性回归分析的一般步骤
还有,应该对哪些指标进行判断来确定相关性、拟合的好坏等
我这儿有个例子,请结合例子讲解,
分析广告费与销售额的关系
(由于字数限制,略去原始数据)
输入／移去的变量(b)
模型 输入的变量 移去的变量 方法
1 广告费a .输入
a.已输入所有请求的变量.
b.因变量:销售额
模型汇总
模型 R R 方 调整 R 方 标准 估计的误差
1 .786a .618 .570 42.35795
a.预测变量:(常量),广告费.
Anova(b)
模型 平方和 df 均方 F Sig.
1 回归 23206.435 1 23206.435 12.934 .007a
残差 14353.565 8 1794.196
总计 37560.000 9
a.预测变量:(常量),广告费.
b.因变量:销售额
系数(a)
非标准化系数 标准系数
模型 B 标准 误差 试用版 t Sig.
1 (常量) 309.528 43.402 7.132 .000
广告费 4.068 1.131 .786 3.596 .007
a.因变量:销售额
相关性
广告费 销售额
广告费 Pearson 相关性 1 .786**
显著性（双侧） .007
N 10 10
销售额 Pearson 相关性 .786** 1
显著性（双侧） .007
N 10 10
还有,应该对哪些指标进行判断来确定相关性、拟合的好坏等
我这儿有个例子,请结合例子讲解,
分析广告费与销售额的关系
(由于字数限制,略去原始数据)
输入／移去的变量(b)
模型 输入的变量 移去的变量 方法
1 广告费a .输入
a.已输入所有请求的变量.
b.因变量:销售额
模型汇总
模型 R R 方 调整 R 方 标准 估计的误差
1 .786a .618 .570 42.35795
a.预测变量:(常量),广告费.
Anova(b)
模型 平方和 df 均方 F Sig.
1 回归 23206.435 1 23206.435 12.934 .007a
残差 14353.565 8 1794.196
总计 37560.000 9
a.预测变量:(常量),广告费.
b.因变量:销售额
系数(a)
非标准化系数 标准系数
模型 B 标准 误差 试用版 t Sig.
1 (常量) 309.528 43.402 7.132 .000
广告费 4.068 1.131 .786 3.596 .007
a.因变量:销售额
相关性
广告费 销售额
广告费 Pearson 相关性 1 .786**
显著性（双侧） .007
N 10 10
销售额 Pearson 相关性 .786** 1
显著性（双侧） .007
N 10 10
一个自变量 一个因变量
如果要进行线性回归,无论是一元还是多元,第一步首先应该先画下散点图,看是否有线性趋势,如果有线性趋势了,再使用线性回归.这个是前提,现在很多人都忽略这一点 直接使用的.
至于判断线性方程 拟合的好坏,看R方和调整的R方就可以了,R方越接近1,说明拟合的效果越好.你这个里面 R方为0.618,调整的R方为0.570,说明这个自变量可以解释因变量57%左右的变异,不能说好,也不能说坏.看具体情况而定
Anova(b)这个表格是检验 回归方程是否显著的,sig的值=0.007 小于0.05,说明回归模型有意义,可以使用.
下面一个标准化回归系数 和非标准化回归系数 则是回归方程自变量的系数,非标准化的系数用来拟合方程使用,标准化的系数是剔除了不同自变量的不同计量单位影响的,用于比较多个自变量的影响大小
如果要进行线性回归,无论是一元还是多元,第一步首先应该先画下散点图,看是否有线性趋势,如果有线性趋势了,再使用线性回归.这个是前提,现在很多人都忽略这一点 直接使用的.
至于判断线性方程 拟合的好坏,看R方和调整的R方就可以了,R方越接近1,说明拟合的效果越好.你这个里面 R方为0.618,调整的R方为0.570,说明这个自变量可以解释因变量57%左右的变异,不能说好,也不能说坏.看具体情况而定
Anova(b)这个表格是检验 回归方程是否显著的,sig的值=0.007 小于0.05,说明回归模型有意义,可以使用.
下面一个标准化回归系数 和非标准化回归系数 则是回归方程自变量的系数,非标准化的系数用来拟合方程使用,标准化的系数是剔除了不同自变量的不同计量单位影响的,用于比较多个自变量的影响大小