spss线性回归残差图怎么做 spss线性回归残差图分析解读

在线性回归分析过程中，对数据进行统计学检验是非常必要的，否则即便得出R方接近1的回归分析结果也不具有实际的意义，在众多的数据检验中，残差图的绘制尤为重要，残差图可以观测数据是否独立，方差是否齐性，当然手工绘制残差图非常麻烦，需要进行大量的计算，利用专业的统计分析软件如SPSS，我们可以非常简便的绘制残差图，下面就让我们结合实际案例，了解如何使用SPSS制作线性回归残差图，并说明在使用SPSS线性回归残差图进行分析时，需要注意的一些问题。

一、SPSS线性回归残差图怎么做

为了便于大家理解，我们这里列举一个实例，图1是大致符合方程Y=2.36X+5.63的两组数据，我们对其进行线性回归分析。

图1 分析数据

依次点击【分析】，【回归】，【线性】，如图2所示。

图2 进行线性回归分析

我们首先指定变量，本例中Y是因变量，X是自变量，因此将Y指定为因变量，将X指定为自变量，然后点击图按钮，在弹出的窗口中，将ZRESID指定为Y，将ZPRED指定为X，其中ZRESID代表进行线性回归分析时的标准化残差，ZPRED代表由回归方程得出的预测值，两者构建的图即为残差图，残差图有什么意义，我们将在第二小节中向大家介绍。

图3 绘制线性回归残差图

二、SPSS线性回归残差图分析解读

所谓残差，是指预测值与实际值之间的差值，公式如图4所示：

图4 残差计算公式

残差应该服从正态分布，均匀分布于Y=0直线两侧，如果残差逐渐增大，说明Y值可能是随着时间空间自行变化的变量，并非由X变化引起，如果残差呈梯形，S型等分布于Y=0直线两侧，说明数据存在方差不齐性。

图5 标准化残差图

图5时本例数据回归标准化残差图，回归标准化残差均匀分布于Y=0直线两侧，且位于Y=±2之间，说明数据符合线性回归分析要求，且线性关系良好。

三、SPSS线性回归分析其他要点说明

线性回归分析不应只关注R方和线性回归方程，要重视数据检验，除上述的残差图之外，我们还应关注结果中以下两个方面，首先是ANOVA表，通过ANOVA表中的F检验，我们可以了解线性回归分析是否具有统计学意义，F检验显著性小于0.05，说明在95%置信水平下，线性回归分析具有统计学意义，本例中F检验显著性水平为0，小于0.05，具有统计学意义。

图6 ANOVA表格

然后我们需要关注系数t检验，如图7所示，对于X前系数2.349，其t检验值为13.596，显著性为0，小于0.05，说明在95%的置信水平下，斜率有统计学意义，如果显著性大于0.05，则不能认为自变量和因变量间存在线性关系。

图7 系数t检验

在进行线性回归分析的过程中，要注意对数据进行统计学检验，确认分析结果是否具有统计学意义。

本文向大家介绍了线性回归分析过程中，需要注意的几个统计学检验，包括F检验，t检验，以及spss线性回归残差图怎么做，spss线性回归残差图分析解读方法，希望对大家的工作有所帮助。