使用SPSS线性回归实现通径分析的方法

来源：用户分享时间：2020-03-12 本文由

浓雾漫山野分享下载这篇文档手机版

说明：文章内容仅供预览，部分内容可能不全，需要完整文档或者需要复制内容，请下载word后使用。下载word有问题请添加微信号:xxxxxx或QQ：xxxxxx 处理（尽可能给您提供完整文档），感谢您的支持与谅解。

篇一：SPSS的线性回归分析实验报告

实

验

报告

篇二：SPSS实现一元线性回归分析实例

SPSS实现一元线性回归分析实例

2009-12-14 15:31

1、准备原始数据。为研究某一大都市报开设周日版的可行性，获得了34种报纸的平日和周日的发行量信息(以千为单位)。数据如图1所示。SPSS17.0

图1

2、判断是否存在线性关系。制作直观散点图：

（1）SPSS：菜单Analyze/Regression/linear Regression,如图2所示：

图2

（2）打开对话框如图3

图3

图3中，Dependent是因变量，Independent是自变量，分别将左栏中的sunday选入因变量，daily选入自变量，newspaper作为标识标签选入case labels.

(3)点击图3对话框中的plots按钮，如图4所示：

图4

将因变量DEPENTENT 选入Y:，自变量 ZPRED 选入X: continue 返回上级对话框。单击主对话框OK.便生成散点图如图5所示：

图5

从以上散点图可看出，二者变量之间关系趋势呈线性关系。

2、回归方程

菜单Analyze/Regression/linear Regression，

在图3对话框的右边单击statistics如图6所示：

图6

regression coefficient回归系数，estimates估计值，confidence intervals level:95%置信区间，model fit拟合模型。点击continue返回主对话框，单击OK.结果如图7、图8所示：

图7

图7中第一个图是变量的输入与输出，从图下的提示可知所有变量均输入与输出，没有遗漏。图7中的第二图是模型总和R值，R平方值，R调整后的平方值，及标准误。

篇三：相关与线性回归的SPSS分析

上机操作7 相关与线性回归的SPSS分析

习题1 相关分析：

某林业研究院在不同纬度区进行了白榆育苗试验，不同纬度白榆苗高见下表，试建立白榆苗高与纬度的直线回归方程。

一、定义变量，输入数据

（1）定义变量：打开SPSS数据编辑器，点击“变量视图”，在名称列下输入“苗高”、“纬度”，改“类型”栏均为 “ 数字”（且设置为数值型）， “小数”栏保留1位。

（2）输入数据：点击“数据视图”在在各栏内依次输入下列数据:

二、分析过程

分析→相关→双变量，将“苗高”、“纬度”添加到“变量”中，其余为默认值。选项”→勾选“均值和标准差”→继续→确定。

三、输出结果分析

由上表可知：苗高与纬度的Sig.=0.003，即其值小于0.01，则说明苗高与纬度的相关性达到极显著性水平。

习题2：回归分析

某林业站进行了林地水肥管理试验，测得的林分生物量见下表，试建立林分生物量与施肥灌水的回归方程。

一、定义变量，输入数据

（1）定义变量：打开SPSS数据编辑器，点击“变量视图”，在名称列下输入“生物量”、“施肥”、“灌水”，改“类型”栏均为 “ 数字”， “小数”栏保留0位。

（2）输入数据：点击“数据视图”在各栏内依次输入下列数据:

二、分析过程

分析→回归→线性，将“生物量”、添加到“因变量”中，将“施肥”、“灌水”添加到“自变量”中，在“方法”下拉菜单中选择“逐步”。点击“统计量”，勾选其下回归系数中的“估计”、“模型拟合”、“R方变化”、“描述性”、“部分相关性和偏相关性”→选项，其输出窗口内容按默认值→继续→确定三、输出结果分析

描述统计量

从上表可知：施肥的均值最高，生物量的均值次之，灌水的均值最小。

从上表可知：生物量与施肥的相关性值为0.910，它们的Sig.<0.01，说明生物量与施肥达到极显著水平。生物量与灌水的相关性为0.608，它们的Sig.<0.01，说明生物量与灌水的相关性达到极显著水平。施肥与灌水的相关性值为0.878，它们的Sig.<0.01，说明施肥与灌水的相关性达到极显著水平。

从上表可知：施肥与灌水的F检验的概率都是<=0.05，它们剔除的概率都是＞=0.10。

b 预测变量:(常量), 施肥, 灌水。

从上表可知：模型1和模型2的R值分别为0.910和0.993，说明模型1和模型2没有达到剔除概率，它们都具有统计学意义。

b 预测变量:(常量), 施肥, 灌水。 c 因变量: 生物量

从上表可知：模型1和模型2的F检验Sig.值都小于0.01，说明模型1和模型2的相关性都达到极显著性水平，即模型1和模型2的方程都具有统计学意义。

系数(a)

标准化系数 Beta

.910

1.641 -.832

t .716 9.312 -1.437 28.245 -14.328

显著性

.483 .000 .169 .000 .000

零阶

.910

.910 .608

非标准化系数

模型 1

（常量）施肥（常量）施肥灌水

a 因变量: 生物量

B 5.042 .829 -2.987 1.496 -.925

标准误 7.037 .089 2.079 .053 .065