SPSS多元线性回归分析报告实例操作步骤

SPSS 统计分析

多元线性回归分析方法操作与分析

实验目的：

引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率和房屋空置率作为变量，来研究上海房价的变动因素。

实验变量：

以年份、商品房平均售价（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上平均年贷款利率(%)和房屋空置率(%)作为变量。

实验方法：多元线性回归分析法

软件：spss19.0

操作过程：

第一步：导入Excel数据文件

1.open data document——open data——open；

2. Opening excel data source——OK.

第二步：

1.在最上面菜单里面选中Analyze——Regression——Linear，Dependent （因变量）选择商品房平均售价，Independents（自变量）选择城市人口密度、城市居民人均可支配收入、五年以上平均年贷款利率、房屋空置率；Method选择Stepwise.

进入如下界面：

2.点击右侧Statistics，勾选Regression Coefficients（回归系数）选项组中的Estimates；勾选Residuals（残差）选项组中的Durbin-Watson、Casewise diagnostics默认；接着选择Model fit、Collinearity diagnotics；点击Continue.

3.点击右侧Plots，选择*ZPRED（标准化预测值）作为纵轴变量，选择DEPENDNT（因变量）作为横轴变量；勾选选项组中的Standardized Residual Plots（标准化残差图）中的Histogram、Normal probability plot；点击Continue.

4.点击右侧Save，勾选Predicted Vaniues（预测值）和Residuals（残差）选项组中的Unstandardized；点击Continue.

5.点击右侧Options，默认，点击Continue.

6.返回主对话框，单击OK.

输出结果分析：

1.引入/剔除变量表

Variables Entered/Removed a

Model Variables Entered Variables Removed Method

1 城市人口密度(人/平方公里) . Stepwise (Criteria:

Probability-of-F-to-enter

<= .050,

Probability-of-F-to-remove >

= .100).

2 城市居民人均可支配收入(元) . Stepwise (Criteria:

Probability-of-F-to-enter

<= .050,

Probability-of-F-to-remove >

= .100).

a. Dependent Variable: 商品房平均售价（元/平方米）

该表显示模型最先引入变量城市人口密度(人/平方公里)，第二个引入模型的是变量城市居民人均可支配收入(元)，没有变量被剔除。

2.模型汇总

该表显示模型的拟合情况。从表中可以看出，模型的复相关系数（R）为1.000，判定系数（R Square）为1.000，调整判定系数（Adjusted R Square）为1.000，估计值的标准误差（Std. Error of the Estimate）为28.351，Durbin-Watson检验统计量为2.845，当DW≈2时说明残差独立。

3.方差分析表

该表显示各模型的方差分析结果。从表中可以看出，模型的F统计量的观察值为23832.156，概率p值为0.000，在显著性水平为0.05的情形下，可以认为：商品房平均售价（元/平方米）与城市人口密度(人/平方公里),和城市居民人均可支配收入(元)之间有线性关系。

4.回归系数

Coefficients a

该表是多重共线性检验的特征值以及条件指数。对于第二个模型，最大特征值为2.891，其余依次快速减小。第三列的各个条件指数，可以看出有多重共线性。 7. 残差统计量

Collinearity Diagnostics a

Model Dimension Eigenvalue

Condition Index

Variance Proportions

(Constant)

城市人口密度 (人/平方公里)

城市居民人均可

支配收入(元)

1

1 1.898 1.000 .05 .05 2

.102 4.319 .95 .95

2

1 2.891 1.000 .00 .00 .00

2 .106 5.21

3 .21 .03 .00 3

.003

30.736

.78

.97

1.00

a. Dependent Variable: 商品房平均售价（元/平方米）

Residuals Statistics a

Minimum Maximum Mean Std. Deviation N Predicted Value 3394.71 8382.83 5465.64 1957.302 11

Residual -47.035 40.271 .000 25.357 11 Std. Predicted Value -1.058 1.490 .000 1.000 11 Std. Residual -1.659 1.420 .000 .894 11 a. Dependent Variable: 商品房平均售价（元/平方米）