spss怎么做逐步回归分析 逐步回归分析spss结果解读

spss怎么做逐步回归分析？逐步回归分析是多元线性回归分析的一种，可通过spss回归分析中的“步进”法来做逐步回归分析。本文会运用例子演示逐步回归分析步骤，并进行逐步回归分析spss结果解读。

一、spss怎么做逐步回归分析

逐步回归分析，实际上是多元线性回归的一种分析方法，通过将变量逐个输入，并检验变量的显著性，来逐一剔除影响不显著的变量，从而建立最优的回归方程。接下来，我们通过一个例子具体演示下spss的操作方法。

示例数据如图1所示，X1、X2、X3、X4、X5、X6为自变量，X7为因变量，探究X1、X2、X3、X4、X5、X6与X7的线性回归关系。

图1：示例数据

如图2所示，依次点击spss的分析-回归-线性分析。

图2：线性回归分析

接着，设定变量

分别将X1、X2、X3、X4、X5、X6添加到自变量、X7添加到因变量中，以研究X1、X2、X3、X4、X5、X6对X7的影响。

然后，关键的一步，如图3所示，在方法下拉菜单中选择“步进”，进行逐步回归分析。

图3：步进（逐步回归）

统计量设置如图4所示，包括回归系数的估算值，模型拟合以及DW值（德宾-沃森），以检验模型的拟合优度以及残差是否存在自相关。

图4：统计量

图表设置上，如图5所示，选择“直方图”与“正态概率图”，以检验模型的残差是否服从正态分布。

图5：标准化残差图

对于逐步回归分析，需要注意的是步进法条件的设置，如图6所示，可选择使用F的概率或F值，数值一般保持默认即可。

图6：步进法条件

二、逐步回归分析spss结果解读

接下来，进行spss逐步回归分析结果解读。

首先观察残差的正态P-P图，可看到数据集中在一条直线上，说明数据残差服从正态分布，满足逐步回归分析的假设。

图7：残差正态P-P图

从输入/除去变量表看到，本次逐步回归分析进行了6次输入或除去。

图8：输入与除去的变量

而针对6次输入或除去创建的模型，模型4、5、6的调整后R方达到0.92或以上，说明模型的拟合优度高。

图9：模型摘要

ANOVA分析，6个逐步回归模型的显著性值为0.00，小于0.05的置信空间，即说明有95%的概率拒绝原假设，也就是说，各方程中的自变量与因变量间存在着显著的相关关系。

图10：ANOVA检验

三、逐步回归分析方程怎么写

从上述的分析中，我们知道本例逐步回归分析得到的6个方程都具有显著性，而从模型拟合优度来看，方程4、5、6拟合优度更好。

接着，根据系数检验结果看到，方程4的X3系数不显著，因此倾向使用方程5和方程6，其逐步回归方程可根据未标准化系数的B值写成如下：

方程5：X7=1201.938+59.873X2+139.350X1+32.881X4

方程6：X7=1039.502+49.342X2+157.661X1+25.8731X4+23.906X5

图11：系数检验

四、小结

以上就是关于spss怎么做逐步回归分析，逐步回归分析spss结果解读的相关内容。spss逐步回归分析，实际上是使用“步进”法进行多元线性回归分析的方法，该方法可通过逐步输入剔除不相关的变量，寻找最优的回归方程。