SPSS多元线性回归

如何用SPSS进行多元线性回归

1、导入数据

首先打开SPSS软件，选中打开其他文件，然后把查找范围定位到数据所在位置（我这里是在桌面），然后在文件类型上选择你的文件类型（我这里是Excel），然后选中数据文件，点击打开。

在弹出的对话框中点击确定

2、进行描述性统计

首先点击菜单栏中的分析-描述统计-描述

出现如下页面，选中想要进行描述性统计的变量到右边变量框中。

如图所示，点击选项，选择需要SPSS汇报的描述性统计：

结果如图，这里只选择平均值、标准偏差、最小值和最大值：

得出描述性统计如图：

注意：结果是可以复制粘贴到Excel里面的。

3、相关性分析

首先点击菜单栏中的分析-相关-双变量

同样按照描述性统计的操作，把想要进行分析的变量选中，选择Pearson相关系数，并进行双尾检验（一般性操作），点击确定即可。

得出如下结果：

一般来讲，相关系数大于0.6就说明可能会存在多重共线性问题，而且相关系数比较显著（右上角有两个星号，说明结果在0.01的水平上显著），结论：GYZCZ和SCALE可能存在多重共线性。

4、回归以及回归诊断

首先点击分析-回归-线性

因变量和自变量选择好，如图所示：

点击右上角的Statistics，出现如下菜单，选择共线性诊断和Durbin-Watson检验（检验序列相关性），然后点击继续。

点击右上角的绘图，出现如下界面，按照图示进行选择，这一步是为了进行异方差的初步验证，然后点击继续。

以上全部设定好了之后，点击确定即可。

主要结果分析：

可决系数R方值为0.432，调整后的R方是0.414，说明模型拟合程度还不错（一般大于0.3都还能接受）。

D.W.值为0.828，说明存在正的序列相关性（如果是横截面数据，则不需要考虑，如果是时间序列数据就需要考虑用差分法、广义最小二乘、可行的广义最小二乘等方法）

F值通过检验（显著性为0.000），说明模型的整体线性性满足。

共线性诊断：看方差膨胀因子（VIF），GYZCZ与SCALE的VIF值大于10，说明存在多重共线性，需要剔除这两个变量。

系数显著性：LAND的系数为-0.006，显著性为0.8，说明这个系数有80%的概率是错的，所以应该为0。FE系数为-1.325，显著性为0.000，说明这个系数有0%的概率是0，所以可以认为这个系数是正确的。

共线性诊断：利用条件数来判断是否存在多重共线性的标准：如果条件数小于30，表明不存在共线性，在30到100之间表明存在一定程度的多重共线性，但不会对模型的回归与解释产生影响，如果高于100则表明存在严重的多重共线

可以看出，模型存在严重的多重共线性，解决办法：剔除GYZCZ与SCALE 变量再做回归。结果如下：

发现剔除掉变量后，共线性问题就不明显了，模型可以用。

异方差检验：由残差直方图可以看出，残差近似于正太分布，说明没有异方

从正太概率图看，与直线拟合的较好，再次说明不存在异方差性。

从残差散布图看，不存在递增或递减的趋势，可以认为该模型不存在异方差性。所以模型为：

CU=0.919-0.006 OFDI-0.022 LAND-1.471 FE+0.230 SOE+0.607 EXT-4.392

INNO-0.245 INV

5、异方差处理-加权最小二乘

首先确定权重，点击-分析-回归-线性，在回归之前，选择保存，在弹出的菜单中选择残差-未标准化，得出残差，如图所示：

在回归之后，可以看到数据面板上有残差数据，如图所示：

点击-分析-回归-权重估计

自变量与因变量选择与最小二乘法估计的模型相同，将残差项作为权重变量，点击确定即可。结果如下：

可以看出，残差的平方项作为权重最合适，模型的结果如下：

可以发现，模型的显著性整体提高了（但R方太高，而且F值特别大，可能出现过度拟合的现象，这是因为我们的模型本身不存在异方差问题，这里仅仅是作为教程参考用）。

6、自相关处理

一、差分法（仅适用于时间序列数据）

点击转换-创建时间序列，如图所示：

此处建立的是一阶差分，然后得出一阶差分后的变量，可以在数据面板中找到，如下图所示：

然后利用一阶差分的变量进行多元线性回归，结果如下：

首先看R方值，在0.3左右，可以接受。再看DW值为2.4，一般认为DW值在1.8~2.2范围内是不存在自相关的。因此，可以考虑两阶差分，两阶差分的结果如下：

两阶差分的结果显示存在负相关性，因此我们选择一阶差分的结果，模型结

果如下：

F值显著，说明模型线性性显著。

系数显著性整体变好，VIF整体偏小。

条件指数小于10，说明差分后的模型不存在多重共线性问题

同时可以看出模型不存在异方差。

二、GLS、FGLS法（仅适用于时间序列数据）

其他软件如Eviews、Stata可以用简单的命令完成广义最小二乘估计。

三、更改模型设定

自相关问题还有可能是模型设定的问题，因此可以考虑加因变量的滞后项、自变量平方、交叉项等办法。

7、逐步回归法

方法与多元线性回归分析方法的处理方式一样，只不过在做回归时，中间有个方法选择，选择逐步即可，如图所示：

模型结果：略