使用SPSS線性回歸實現(xiàn)通徑分析的方法

本文格式為Word版，下載可任意編輯——使用SPSS線性回歸實現(xiàn)通徑分析的方法

篇一：SPSS的線性回歸分析試驗報告

實

驗

報告

篇二：SPSS實現(xiàn)一元線性回歸分析實例

SPSS實現(xiàn)一元線性回歸分析實例

2023-12-1415:31

1、準備原始數(shù)據(jù)。為研究某一大都市報開設周日版的可行性，獲得了34種報紙的平日和周日的發(fā)行量信息(以千為單位)。數(shù)據(jù)如圖1所示。SPSS17.0

圖1

2、判斷是否存在線性關系。制作直觀散點圖：

（1）SPSS：菜單Analyze/Regression/linearRegression,如圖2所示：

圖2

（2）開啟對話框如圖3

圖3

圖3中，Dependent是因變量，Independent是自變量，分別將左欄中的sunday選入因變量，daily選入自變量，newspaper作為標識標簽選入caselabels.

(3)點擊圖3對話框中的plots按鈕，如圖4所示：

圖4

將因變量DEPENTENT選入Y:，自變量ZPRED選入X:continue返回上級對話框。單擊主對話框OK.便生成散點圖如圖5所示：

圖5

從以上散點圖可看出，二者變量之間關系趨勢呈線性關系。

2、回歸方程

菜單Analyze/Regression/linearRegression，

在圖3對話框的右邊單擊statistics如圖6所示：

圖6

regressioncoefficient回歸系數(shù)，estimates估計值，confidenceintervalslevel:95%置信區(qū)間，modelfit擬合模型。點擊continue返回主對話框，單擊OK.結果如圖7、圖8所示：

圖7

圖7中第一個圖是變量的輸入與輸出，從圖下的提醒可知所有變量均輸入與輸出，沒有遺漏。圖7中的其次圖是模型總和R值，R平方值，R調整后的平方值，及標準誤。

篇三：相關與線性回歸的SPSS分析

上機操作7相關與線性回歸的SPSS分析

習題1相關分析：

某林業(yè)研究院在不同緯度區(qū)進行了白榆育苗試驗，不同緯度白榆苗高見下表，試建立白榆苗高與緯度的直線回歸方程。

一、定義變量，輸入數(shù)據(jù)

（1）定義變量：開啟SPSS數(shù)據(jù)編輯器，點擊“變量視圖〞，在名稱列下輸入“苗高〞、“緯度〞，改“類型〞欄均為“數(shù)字〞（且設置為數(shù)值型），“小數(shù)〞欄保存1位。

（2）輸入數(shù)據(jù)：點擊“數(shù)據(jù)視圖〞在在各欄內依次輸入以下數(shù)據(jù):

二、分析過程

分析→相關→雙變量，將“苗高〞、“緯度〞添加到“變量〞中，其余為默認值。選項〞→勾選“均值和標準差〞→繼續(xù)→確定。

三、輸出結果分析

由上表可知：苗高與緯度的Sig.=0.003，即其值小于0.01，則說明苗高與緯度的相關性達到極顯著性水平。

習題2：回歸分析

某林業(yè)站進行了林地水肥管理試驗，測得的林分生物量見下表，試建立林分生物量與施肥灌水的回歸方程。

一、定義變量，輸入數(shù)據(jù)

（1）定義變量：開啟SPSS數(shù)據(jù)編輯器，點擊“變量視圖〞，在名稱列下輸入“生物量〞、“施肥〞、“灌水〞，改“類型〞欄均為“數(shù)字〞，“小數(shù)〞欄保存0位。

（2）輸入數(shù)據(jù)：點擊“數(shù)據(jù)視圖〞在各欄內依次輸入以下數(shù)據(jù):

二、分析過程

分析→回歸→線性，將“生物量〞、添加到“因變量〞中，將“施肥〞、“灌水〞添加到“自變量〞中，在“方法〞下拉菜單中選擇“逐步〞。點擊“統(tǒng)計量〞，勾選其下回歸系數(shù)中的“估計〞、“模型擬合〞、“R方變化〞、“描述性〞、“部分相關性和偏相關性〞→選項，其輸出窗口內容按默認值→繼續(xù)→確定三、輸出結果分析

描述統(tǒng)計量

從上表可知：施肥的均值最高，生物量的均值次之，灌水的均值最小。

從上表可知：生物量與施肥的相關性值為0.910，它們的Sig.0.01，說明生物量與施肥達到極顯著水平。生物量與灌水的相關性為0.608，它們的Sig.0.01，說明生物量與灌水的相關性達到極顯著水平。施肥與灌水的相關性值為0.878，它們的Sig.0.01，說明施肥與灌水的相關性達到極顯著水平。

從上表可知：施肥與灌水的F檢驗的概率都是=0.05，它們剔除的概率都是＞=0.10。

b預計變量:(常量),施肥,灌水。

從上表可知：模型1和模型2的R值分別為0.910和0.993，說明模型1和模型2沒有達到剔除概率，它們都具有統(tǒng)計學意義。

b預計變量:(常量),施肥,灌水。c因變量:生物量

從上表可知：模型1和模型2的F檢驗Sig.值都小于0.01，說明模型1和模型2的相關性都達到極顯著性水平，即模型1和模型2的方程都具有統(tǒng)計學意義。

系數(shù)(a)

標準化系數(shù)Beta

.910

1.641-.832

t.7169.312-1.43728.245-14.328

顯著性

.483.000.169.000.000

零階

.910

.910.608

非標準化系數(shù)

模型1

（常量）施肥（常量）施肥灌水

a因變量:生物量

B5.042.829-2.9871.496-.925

標準誤7.037.0892.079.053.065

相關性偏

.910

.990-.961

部分

.910

.785-.398

2

從