基于spss的多元回歸分析模型選取的應用統計學本科畢業論文-資料下載頁

　　

【正文】 .000x2.075.0013x5.935.062.935.000x2.060.000x1.713.096.713.000a. Dependent Variable: y上表為回歸方程系數表，根據多元回歸模型： ,通過SPSS作出的逐步回歸得到以上的結果，在統計顯著水平，，,，說明三個因子自變量的顯著性水平高. 可得到的最優回歸方程為： .Trend值為該區域中1992年到2012年的模擬值. 該值可以通過最優方程式得出，比如2012年的值為 ，由上結果可以看出誤差較小，其誤差百分比在以內的占比比較大，說明模擬效果還可以. 求得的逐步回歸模型效果比較顯著. 結通過SPSS操作最后得到的我國財政收入的預測方程式： , 再加上最后對數據的檢驗可以得出人均國內生產總值、城鎮居民家庭人均可支配收入、我國教育經費總投入對財政收入有顯著的影響. 從上面的操作可以看出變量通過初步的選取是不夠的,需要對所選自變量進行檢驗,然后剔除未通過檢驗的變量,所以在案例二較案例一的區別在于多了一個逐步回歸分析. 即：眾所周知人均國內生產總值，城鎮居民家庭人均可支配收入，全社會固定投資都是逐年變化的，這里表現出的城鎮居民家庭人均可支配收入為負指標，隨著社會的發展，中國的發展更是越來越迅速，這三個自變量之間存在著相對嚴密的關系. 第五章 總 結SPSS 是世界上最早采用圖形菜單驅動界面的統計軟件，其最突出的特點就是操作界面極為友好，輸出結果美觀漂亮，是“統計產品與服務解決方案”，SPSS的命令語句、子命令及選擇項的大部分都是由“對話框”的操作完成. 所以不需要花大量時間來記憶這些大量的命令、過程或選擇項. 由以上SPSS的操作方法可以知道SPSS中有很多的統計方法，適合專業的統計人員對數據進行統計整理得出自己想要的結果. SPSS在得出的趨勢線以及變量之間的線性關系，需要自己用一元線性回歸的方法得出數據之間的系數，然后自己把方程寫在趨勢線旁邊. 由兩個案例分析中可以看出在對數據計算結果如果需要更精確一點，就需要通過對多元回歸分析的操作方法進行對比可以知道，采用逐步回歸分析的方法對數據進行處理，剔除沒有通過檢驗的，對因變量影響不顯著的. 由以上案例中可以看到，多元回歸分析中變量的選擇不能靠簡單的自行篩選就可以，有時候對于一些變量的篩選都通過檢驗，并不能代表你在選擇數據上有多高明，而是需要通過相關性分析，計算復相關系數和偏相關系數來了解你所選的變量之間的相關關系的大小,而變量之間存在線性關系和非線性關系需要通過散點圖的觀察來對變量之間關系進行判斷. 在一些情況下，某些自變量的觀測數據的獲得代價十分貴，這些自變量可能對因變量的影響非常小，而我們把它引進了模型中，對進入模型的自變量作精心的選擇是十分必要的. ，案例一我們是對于非線性回歸模型轉化為線性回歸模型同時采用的是全模型進行分析，案例二我們用得則是選模型，及在變量的選取上我們應該如何去選擇. 相關系數以及方差分析就是很好檢驗數據的方法,同時逐步回歸時對數據進行剔除的一個很好方法. 從而可以看出所選的變量是否符合要求. 然后再通過回歸分析，看數據之間的值檢驗，是否通過值檢驗，如果兩個檢驗均通過，說明說選定的變量在多元回歸分析中，自變量對因變量有顯著性影響，從而確定影響程度的大小，最后在通過檢驗之后得到最優方程式，這就是自變量與因變量之間的關聯方程式. 該方程式預測了我國淘寶注冊人數，網絡普及度和居民消費水平關于淘寶交易額的影響的預測方程式. ,因網絡普及度和我國第二產業增加值與淘寶交易額之間呈現的是指數線性關系,所以在對變量進行使用時,我們采用的是其指數冪的方法把非線性回歸模型轉化為線性回歸模型來進行研究,從而得到的自變量便與因變量之間呈線性關系. 從案例一可以看出,對變量處理前得到的回歸模型沒有變量處理后得到的回歸模型的擬合度好. 進一步的告訴大家在對變量的選取和使用上一定要注意,對于可轉化的非線性回歸模型,最好采用其對應的方法把變量轉換,這樣才可以得出更有意義和更加價值的模型. 從案例分析二，我們還可以看到在選擇變量時當存在為通過檢驗，或者變量之間的偏相關系數大于復相關系數時的處理方法，這里我們研究的是當自變量的值檢驗或值檢驗沒通過是，對于變量選取的處理方法，本文采用了一個簡單的SPSS 的操作方法，逐步回歸分析，通過軟件操作，逐步回歸分析會通過逐步的對數據進行檢驗，把關聯程度大的先檢驗，逐步進行最后直接剔除未通過檢驗的數據，在逐步回歸之前我們也得到一個預測方程式，很顯然，在解釋變量未通過檢驗的情況下，所得到的預測方程式是完全沒有意義，其在操作過程中更是方便簡潔. 通過案例一和案例二的對比，便告訴大家在選取模型時，我們應該如何對模型進行選取. 而通過以上兩個案例分析，我們可以看出，不能只靠肉眼的觀察和直觀的選擇就對變量進行判斷，需要通過一系列的檢驗方法對數據進行對比研究，而通過對偏相關系數的檢驗，我們便可以通過直觀的方法看到系數之間的差距，偏相關系數本是檢驗變量之間相關關系的直觀表達，如果偏相關系數過小，我們便可以把此變量剔除，案例二，在偏相關系數較小的情況下，我們繼續采用了回歸分析和逐步回歸分析對變量進行處理，通過回歸分析可以看到，在偏相關系數較小的兩個變量中在回歸分析中也沒有通過值檢驗，而在逐步回歸分析中，該變量也被剔除. 所以案例二很好的反映了在多元線性回歸分析中如何對變量進行篩選，最后得出最優的方程式. 參考文獻[1]魏和清,[M]. 北京:中國財政經濟出版社,2011.[2][M]. 北京:國防工業出版社,2008.[3][M].北京:中國財政經濟出版社,2008. [4][M].北京:對外經濟貿易大學出版社,2007. [5][M].大連:東北財經大學出版社,2012.[6][M].廈門:廈門大學出版社,2006.[7][M].北京:北京大學出版社,1999.[8][M].北京:北京大學出版社,2005.[9][M].北京:中國人民大學出版社,2012.[10][M].北京:北京化工大學,2011.[11][M].北京:人民郵電出版社,2004.[12][M].北京:中國人民大學出版社,2006.[13][J].統計與決策,2(9),2006，13.[14]朱建平,[M].北京:清華大學出版社,2007.[15]詹世煌,[M].臺北:曉園出版社,1995.[16]許飛瓊,[M].北京:中國統計出版社,1995.[17]汪浩瀚,[M].北京：中國人民大學出版社,1993.[18] [M].北京:中國人民大學出版社,2010.[19][M].北京:中國統計出版社,1999.[20][M].北京:中國財政經濟出版社,2005.[21][M].北京:對外經濟貿易大學出版社,2007.[22][M].北京:中國人民大學出版社,2007.[23][M].重慶:重慶大學出版社,2007.[24][M].北京:高等教育出版社,1989.[25]胡健穎,[M].北京:北京大學出版社,1995.[26][M].北京:高等教育出版社,2008.第31頁（共30頁）