創(chuàng)作時間：二零二一年六月三十天SPSS統(tǒng)計剖析之邯鄲勺丸創(chuàng)作創(chuàng)作時間：二零二一年六月三十天多元線性回歸剖析方法把持與剖析實驗目的：引入1998~2008年上海市城市人口密度、城市居民人均可支配收入、五年以上均勻年存款利率和房子空置率作為變量,來研究上海房價的更改要素.實驗變量：以年份、商品房均勻售價（元/平方米）、上海市城市人口密度(人/平方公里)、城市居民人均可支配收入(元)、五年以上均勻年存款利率(%)和房子空置率(%)作為變量.實驗方法：多元線性回歸剖析法軟件把持過程：第一步：導入Excel數(shù)據(jù)文件1.opendatadocument——opendata——open；2.Openingexceldatasource——OK.第二步：1.在最上邊菜單里面選中Analyze——Regression——Linear,Dependent（因變量）選擇商品房均勻售價,Independents（自變量）選擇城市人口密度、城市居民人均可支配收入、五年以上均勻年存款利率、房子空置率；Method選擇Stepwise.進入以下界面：2.點擊右邊Statistics,勾選RegressionCoefficients（回歸系數(shù)）選項組中的Estimates；勾選Residuals（殘差）選項組中的Durbin-Watson、Casewisediagnostics默認；接著選擇Modelfit、Collinearitydiagnotics；點擊Continue.點擊右邊Plots,選擇*ZPRED（標準化展望值）作為縱軸變量,選擇DEPENDNT（因變量）作為橫軸變量；勾選選項組中的StandardizedResidualPlots（標準化殘差圖）中的Histogram、Normalprobabilityplot；點擊Continue.4.點擊右邊Save,勾選PredictedVaniues（展望值）和Residuals（殘差）選項組中的Unstandardized；點擊Continue.創(chuàng)作時間：二零二一年六月三十天創(chuàng)作時間：二零二一年六月三十天點擊右邊Options,默認,點擊Continue.返回主對話框,單擊OK.輸出結(jié)果剖析：VariablesEntered/Removed

aModelVariablesEnteredVariablesRemovedMethod1城市人口密度(人/平方公里).Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).2城市居民人均可支配收入(元).Stepwise(Criteria:Probability-of-F-to-enter<=.050,Probability-of-F-to-remove>=.100).a.DependentVariable:商品房均勻售價（元/平方米）該表顯示模型最初引入變量城市人口密度(人/平方公里),第二個引入模型的是變量城市居民人均可支配收入(元),沒有變量被剔除.2.模型匯總ModelSummarycStd.ErroroftheModelRRSquareAdjustedRSquareEstimateDurbin-Watson1a2ba.Predictors:(Constant),城市人口密度(人/平方公里)b.Predictors:(Constant),城市人口密度(人/平方公里),城市居民人均可支配收入(元)c.DependentVariable:商品房均勻售價（元/平方米）該表顯示模型的擬合狀況.從表中能夠看出,模型的復有關系數(shù)（R）為1.000,判斷系數(shù)（RSquare）為1.000,調(diào)整判斷系數(shù)（AdjustedRSquare）為1.000,預計值的標準偏差（Std.ErroroftheEstimate）為,Durbin-Watson查驗統(tǒng)計量為2.845,當DW≈2時說明殘差自力.3.方差剖析表ANOVAcModelSumofSquaresdfMeanSquareFSig.1Regression1.000a創(chuàng)作時間：二零二一年六月三十天創(chuàng)作時間：二零二一年六月三十天Residual9Total102Regression2.000bResidual8Total10a.Predictors:(Constant),城市人口密度(人/平方公里)b.Predictors:(Constant),城市人口密度(人/平方公里),城市居民人均可支配收入(元)c.DependentVariable:商品房均勻售價（元/平方米）該表顯示各模型的方差剖析結(jié)果.從表中能夠看出,模型的F統(tǒng)計量的察看值為,概率p值為0.000,在明顯性水平為0.05的情況下,能夠以為：商品房均勻售價（元/平方米）與城市人口密度(人/平方公里),和城市居民人均可支配收入(元)之間有線性關系.回歸系數(shù)CoefficientsaStandardizeUnstandardizeddCollinearityCoefficientsCoefficientsStatisticsTolerancModelBStd.ErrorBetaTSig.eVIF1(Constant).000城市人口密度(人/平.006.000方公里)2(Constant).000城市人口密度(人/平.022.951.000.050方公里)城市居民人均可支配.017.007.050.042.050收入(元)a.DependentVariable:商品房均勻售價（元/平方米）該表為多元線性回歸的系數(shù)列表.表中顯示了模型的偏回歸系數(shù)（B）、標準偏差（Std.Error）、常數(shù)（Constant）、標準化偏回歸系數(shù)（Beta）、回歸系數(shù)查驗的t統(tǒng)計量觀察值和相應的創(chuàng)作時間：二零二一年六月三十天創(chuàng)作時間：二零二一年六月三十天概率p值（Sig.）、共線性統(tǒng)計量顯示了變量的容差Tolerance）和方差膨脹因子（VIF）.令x1示意城市人口密度(人/平方公里),x2示意城市居民人均可支配收入(元),依據(jù)模型成立的多元多元線性回歸方程為：x1x2方程中的常數(shù)項為1555.506,偏回歸系數(shù)b1為1.020,b2為0.017,經(jīng)T查驗,b1和b2的概率p值分別為0.000和0.042,依據(jù)給定的明顯性水平0.10的情況下,均有明顯性意義.依據(jù)容差發(fā)現(xiàn),自變量間共線性問題嚴重；VIF值為20.126,也能夠說明共線性較顯然.這可能是因為樣本容量太小造成的.模型外的變量ExcludedVariablescCollinearityStatisticsPartialTolerancMinimumModelBetaIntSig.CorrelationeVIFTolerance1城市居民人均可支配.050a.042.650.050.050收入(元)五年以上均勻年存款利率(%)

a.815.999.999房子空置率(%).004a.596.568.206.928.9282五年以上均勻年存款.002b.391.708.146.913.045利率(%)房子空置率(%).002b.452.665.168.914.049a.PredictorsintheModel:(Constant),城市人口密度(人/平方公里)b.PredictorsintheModel:(Constant),城市人口密度(人/平方公里),城市居民人均可支配收入(元)c.DependentVariable:商品房均勻售價（元/平方米）該表顯示的是回歸方程外的各模型變量的有關統(tǒng)計量,可見模型方程外的各變量偏回歸系數(shù)經(jīng)重查驗,概率p值均大年夜于0.10,故不可以引入方程.6.共線性診療創(chuàng)作時間：二零二一年六月三十天創(chuàng)作時間：二零二一年六月三十天CollinearityDiagnostics

aVarianceProportions城市人口密度城市居民人均可ModelDimensionEigenvalueConditionIndex(Constant)(人/平方公里)支配收入(元)11.05.052.102.95.9521.00.00.002.106.21.03.003.003.78.97a.DependentVariable:商品房均勻售價（元/平方米）該表是多重共線性查驗的特點值以及條件指數(shù).對第二個模型,最大年夜特點值為2.891,其他挨次迅速減小.第三列的各個條件指數(shù),能夠看出有多重共線性.殘差統(tǒng)計量ResidualsStatisticsaMinimumMaximumMeanStd.DeviationNPredictedValue11Residual.00011Std.PredictedValue.00011Std.Residual.000.89411a.DependentVariable:商品房均勻售價（元/平方米）該表為回歸模型的殘差統(tǒng)計量,標準化殘差（Std.Residual）的絕對值最大年夜為1.659,沒有超越默認值3,不可以發(fā)現(xiàn)奇怪值.回歸標準化殘差的直方圖創(chuàng)作時間：二零二一年六月三十天創(chuàng)作時間：二零二一年六月三十天該圖為回歸標準化殘差的直方圖,正態(tài)曲線也被顯示在直方圖上,用以判斷標準化殘差能否呈正態(tài)散布.但是因為樣本數(shù)只有11個,因此只好大年夜概判斷其呈正態(tài)散布.該圖回歸標準化的正態(tài)P-P圖,該圖給