時間:2019-08-23 14:51:58 作者:Bill 瀏覽量:44
SPSS回歸分析結果解讀教程
線性回歸剖析:線性回歸假定因變量與自變量之間為線性聯系,用必定的線性回歸模型來擬合因變量和自變量的數據,并經過確認模型參數來得到回歸方程。
作散點圖,調查兩個變量的相關性:順次挑選菜單“圖形→舊對話框→散點/點狀→簡略分布”,并將“國內生產總值”作為x軸,“財政收入”作為y軸,可以看出兩變量具有較強的線性聯系,可以用一元線性回歸來擬合兩變量;反之則不可
挑選菜單“剖析→回歸→線性”,翻開“線性回歸”對話框,將變量“財政收入”作為因變量 ,“國內生產總值”作為自變量。
翻開“統計量”對話框,選上“估量”和“模型擬合度”。量”對話框估量”和“模型擬合度”。

SPSS回歸分析結果解讀教程圖1
曲線估量:曲線估量(曲線擬合、曲線回歸)則是研究兩變量間非線性聯系的一種辦法,選定一種用方程表達的曲線,使得實踐數據與理論數據之間的差異盡可能地小。
先用散點圖的方式進行剖析,看究竟是否具有一元線性聯系,假如具有一元線性聯系,則用一元線性回歸剖析,否則采用曲線估量求解。
進行曲線估量:順次挑選菜單“剖析→回歸→曲線估量”,將一切模型悉數選上,看哪種模型擬合效果更好(主要看決定系數R2),其一切模型的擬合優度R2如下表所示

SPSS回歸分析結果解讀教程圖2
回歸剖析是論文中最常用的研究假定檢驗技術,想知道自變項X對依變項Y的解說力或預測力時,最常用的是線性回歸· 回歸剖析是論文中最常用的研究

SPSS回歸分析結果解讀教程圖3
彈出對話框,輸入想要驗證的自變項和依變項,如圖:

SPSS回歸分析結果解讀教程圖4
如圖,Sig. P<.05,有顯著性, 表明自變項X對依變項Y的解說力或預測力正相關

SPSS回歸分析結果解讀教程圖5
R Square 自變數可以解說依變數的變異量,此處.763表明共同解說76.3%的變異量,論文報告中要報告調整后的R平方,即Adjusted R Square

SPSS回歸分析結果解讀教程圖6