用SPSS軟件實(shí)現(xiàn)多元線性回歸分析

1、數(shù)學(xué)哈實(shí)爾濱驗(yàn)商業(yè)報(bào)大學(xué)告實(shí)驗(yàn)題目：用SPSS軟件實(shí)現(xiàn)多元線性回歸分析姓名：張彥琛學(xué)號(hào)：_201214390009專業(yè)：數(shù)學(xué)與應(yīng)用數(shù)學(xué)日期：2014T0-27一、實(shí)驗(yàn)?zāi)康挠肧PSS軟件來實(shí)現(xiàn)多元線性回歸分析及其應(yīng)用。二、實(shí)驗(yàn)內(nèi)容水泥凝固時(shí)放出的熱量Y與水泥中的四種化學(xué)成分x1,x2,x3,x4有關(guān)，今測(cè)得一組數(shù)據(jù)如下，試用多元回歸分析的方法建立模型。三、實(shí)驗(yàn)步驟及結(jié)論（一）實(shí)驗(yàn)步驟把實(shí)驗(yàn)所用數(shù)據(jù)從Word文檔復(fù)制到Excel,并進(jìn)一步導(dǎo)入到SPSS數(shù)據(jù)文件中進(jìn)行回歸分析。選擇菜單“分析一回歸一線性”，為了解決多重共線性問題，采用逐步回歸法。（二）實(shí)驗(yàn)結(jié)論表一：模型匯總,模型RR方調(diào)整R方標(biāo)準(zhǔn)估

2、計(jì)的誤差Durbin-Watson1.821a.675.6458.963902986b.972.9672.734271.788a. 預(yù)測(cè)變量：（常量），x4。b. 預(yù)測(cè)變量：（常量），x4,xl。c. 因變量：y表一顯示了用逐步回歸法得到了兩個(gè)回歸模型的擬合情況。由表可知，引入x4得到模型1,模型1的R方為0.675,調(diào)整R方為0.645,x4對(duì)y影響顯著。同時(shí)又引入xl得到模型2,模型2的R方為0.972，調(diào)整R方為0.967,x4,xl對(duì)y影響最為顯著。由0.6750.972,0.6450.967,且接近1,說明模型的擬合效果很好。表二：Anovac模型平方和df均方FSig.1回歸183

3、1.89611831.89622.799.001a殘差883.8671180.352總計(jì)2715.763122回歸2641.00121320.500176.627.000b殘差74.762107.476總計(jì)2715.76312a. 預(yù)測(cè)變量：（常量），x4。b. 預(yù)測(cè)變量：（常量），x4,xl。c. 因變量：y表二給出了兩個(gè)回歸模型的方差分析及檢驗(yàn)結(jié)果。模型1的F值為22.799,Sig.值為0.0010.05。模型2的F值為176.627,Sig.值為000<0.05。模型1,2都通過F檢驗(yàn)，可見模型1與模型2在整體上都是顯著的。表三:系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.共線性統(tǒng)計(jì)

4、量B標(biāo)準(zhǔn)誤差試用版容差VIF1（常量）117.5685.26222.342.000x4-.738.155-.821-4.775.0011.0001.0002（常量）103.0972.12448.540.000x4-.614.049-.683-12.621.000.9401.064x11.440.138.56310.403.000.9401.064a.因變量：y表三給出了回歸模型的非標(biāo)準(zhǔn)化估計(jì)系數(shù)、標(biāo)準(zhǔn)化估計(jì)系數(shù)、系數(shù)的顯著性檢驗(yàn)結(jié)果以及共線性統(tǒng)計(jì)量的方差膨脹因子VIF。在模型1,2中，對(duì)應(yīng)t統(tǒng)計(jì)量的Sig.的值均小于0.05，則說明每個(gè)系數(shù)對(duì)y的影響是顯著的。共線性統(tǒng)計(jì)量中VIF<10,則克服了共線性的影響。模型1,2都通過了統(tǒng)計(jì)顯著性檢驗(yàn)，由表可得兩個(gè)回歸模型。模型1：y=117.568-0.738x4模型2：y=103.097+1.440x1-0.614x4四、心得體會(huì)1.通過這次上機(jī)實(shí)驗(yàn)，我學(xué)會(huì)了用SPSS軟件來實(shí)現(xiàn)多元線性回歸分析，用所學(xué)的來解決實(shí)際問題。2通過老師的講解，學(xué)會(huì)了如何操作SPSS軟件，知道如何分析所得到的實(shí)驗(yàn)