通过相关性分析,我们可以了解一个变量是否随另一个变量的变化而变化,但是无法通过控制一个变量,对另一个变量产生影响。通过线性回归分析,可以建立两个变量间的回归方程,较为精确的解释两个变量变化的关系,从而达到控制的目的,我们一般通过专业的统计分析软件进行线性回归分析,如SPSS。关于SPSS线性回归怎么做,SPSS线性回归图的绘制步骤是什么的问题,本文结合实例向大家做简单的介绍。
一、SPSS线性回归怎么做
本小节中我们以图1中所示的数据为例,向大家介绍SPSS线性回归的操作步骤。图1中的30组数据大致符合方程Y=28.72X+42.31。
点击【分析】,【回归】,【线性】,进入线性回归分析统计量设置界面。
首先将Y指定为因变量,将X指定为自变量,然后点击图按钮,将ZRESID指定为Y,将ZPRED指定为X,目的是绘制预测值与残差的散点图,然后勾选直方图和正态概率图,点击继续,点击确定,SPSS将对两组变量进行线性回归分析。
分析结果我们在第三小节中向大家介绍,接下来的第二小节我们向大家介绍线性回归散点图的绘制。
二、SPSS线性回归图的绘制
除了进行第一小节中的线性回归分析过程,我们还可以通过绘制散点图的方法大致了解两组数据间的线性变化关系,仍然以第一小节中的数据为例,点击【图形】,【图表构建器】,如图3所示。
在图库选项卡中,选择散点图/点图,然后将第1步所示的图表样式拖拽至预览窗口,然后将变量X拖拽至X轴,将变量Y拖拽至Y轴,然后点击确定。
绘制的线性回归图如图8所示。显示R2为0.999,R2有何含义?我们在第三小节中向大家介绍。
三、SPSS线性回归分析结果解读
带着第二小节我们提出的问题,我们首先查看模型摘要表,R方为0.999,表示,因变量的变化99.9%可由自变量解释,R方值越高,线性关系越强。
虽然因变量的变化可以由自变量进行良好地解释,但是这种解释是否具有统计学意义呢?需要我们查看ANOVA表中的F检验,F检验显著性小于0.05,说明在95%置信水平下,线性回归关系具有统计学意义。
最后我们查看系数表,方程为Y=53.849+28.448X,与我们实际的方程非常接近。
本文向大家介绍了SPSS线性回归怎么做,SPSS线性回归结果怎么解读,以及SPSS线性回归图的绘制方法。虽然称作简单线性回归过程,但是线性回归分析涉及非常多的统计学知识,并且对数据有一定的要求。更详细的内容,大家可以登录城东书院网站进行查询。