回归分析,实际上构建的就是数学模型,通过研究一组随机变量与另一组变量之间的关系,构建或简单的、或复杂的数学方程式,并以此预测因变量的值。如果自变量与因变量之间存在着线性关系,就会构建线性模型,也就是常见的线性回归模型。
线性回归模型如果仅包含一个自变量的话,可构建简单的一元线性回归分析;如果包含多个自变量的话,则构建多元线性回归分析。本文将针对比较简单的一元线性回归分析,介绍如何使用IBM SPSS Statistics的线性回归功能。
一、使用的数据
一元线性回归衡量的是一个自变量x和一个因变量y的线性关系。鉴于该特点,我们会使用一组包含客流量和销售额的数据,研究客流量作为自变量、销售额作为因变量之间的线性关系。
二、应用线性回归分析
如图2所示,依次单击分析-回归-线性选项,打开偏线性回归设置面板。
1、选择变量
在线性回归设置面板中,首先需要分别将销售额、客流量分别添加到右侧因变量、自变量方框中。
2、指定进入方法
然后,再对线性回归指定进入的方式,其方法含义如下:
1.输入,将自变量全部放入回归模型
2.步进,按照自变量贡献度、剔除与否来决定自变量是否放入回归模型
3.除去,先建立全自变量模型,然后再根据条件剔除自变量
4.后退,与除去相似,也是先建立全自变量模型,不同的是,后退是通过逐次剔除的方式剔除自变量
5.前进,将自变量逐次添加进模型
由于本例分析的是简单的一元线性回归方程,可以按照默认选择“输入”。
3、统计相关设置
接着,打开选项设置面板,指定回归系数、残差分析等统计数值。回归系数即构建线性回归方程中的系数,可勾选“估算值”。
为了了解模型预测的准确度,需要勾选“模型拟合”选项,了解模型的拟合度,并结合“描述”统计数值,查看平均值、方差等。
另外,在求得一元线性回归方程后,为了检验模型是否具有统计学意义,需分析其残差是否存在自相关,鉴于此,需勾选残差分析中的“德宾-沃森(D-W)”检验。
4、标准化残差图
同时,在图选项中,勾选标准化残差图中的“直方图”、“正态概览图”,分析残差的自相关性、正态性。
5、选项设置
如果进入方法中选择“步进法”,可在选项中指定使用F概率或F值的形式。另外,回归方程中如需包含常量,需勾选“在方程中包括常量”。
三、小结
IBM SPSS Statistics的线性回归分析,可构建多个自变量与多个因变量的线性回归方程,并以此进行因变量值的预测,而一元线性回归方程是其中比较简单的线性回归分析,多用于分析影响因变量中的关键因素。
如需获取关于SPSS一元线性回归分析的结果解读,可前往城东书院网站搜索《应用SPSS一元线性回归简单预测销售》一文。