spss回归分析作业

统计与数据挖掘实验。

学生姓名：学号：

学院：经济与管理学院。

指导老师：专业：

日期： 2016/1/19

数据挖掘。—回归分析。

一．回归分析概述。

回归分析是一种应用极为广泛的数量分析方法。它用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，并通过回归方程的形式描述和反映这种关系，帮助人们准确把握变量受其他一个或多个变量影响的程度，进而为**提供科学依据。

二．回归分析一般步骤。

1.确定回归方程中解释变量和被解释变量。

2.确定回归模型。

3.建立回归方程。

4.对回归方程进行各种检验。

5.利用回归方程进行**。

三．回归分析例题。

为研究高等院校人文社会科学研究中立项课题数受哪些因素的影响，收集某年31个省市自治区部分高校有关社科研究方面的数据，并利用线性回归分析方法进行分析。这里，被解释变量为立项课题总数，解释变量为投入总人数、投入高级职称的人数、投入科研事业费，专著数，**数、获奖数。

1.数据结构定义：

a 先在spss变量窗口对数据结构进行定义，并相应的定义标签定义结果如下。

b 紧接着在spss数据编辑窗口进行相应的数据录入。

共31组数据）

2.用spss进行回归分析。

a.选择菜单：分析-回归-线性。

b.选择观测变量到因变量列表和因子框中。控制变量有几个不同的取值就表示控制变量有几个水平。

c.分析结果如下。

由于该方程中有多个解释变量，因此，应参考调整系数的判定系数，为0.924，较接近1，因此，认为拟合优度较高，被解释变量可以被模型解释的部分较多，不能被解释的部分较少。

f检验统计量的观测值为61.532，对应的概率p值近似为0.小于显著性水平a，应拒绝回归方程显著性检验的原假设，认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系是显著地，可建立线性模型。

如果显著性水平a为0.05，除投入人数以外，其他变量的回归系数显著性t检验的概率p-值都大于显著性水平a，因此不应拒绝原假设，认为这些偏回归系数与0无显著差异，它们与被解释变量的线性关系是不显著的，不应该保留在方程中。由于该模型中保留了一些不应保留的变量，因此该模型目前是不可用的，应重新建模。

同时，从容忍度和方差膨胀因子看，投入高级职称的人数与其他解释变量的多重共线性很严重，在重新建模时可考虑剔除该变量。

依据该表可进行多重共线性检测。从方差比来看，第7个特征值既能解释投入人数方差的84%，也可解释投入高级职称的人数方差的98%，同时还可解释专著数方差的44%，因此有理由认为这些变量间存在多重共线性；从条件指数来看，第5，6，7个条件指数都大于10，说明变量间确实存在多重共线性。