关于多元线性回归用spss分析后结果该怎么看

Posted 2023-04-03

R =0.765 R Square=0.585 Adjusted R Square =0.439
Std. Error of the Estimate=0.0557 这是否表明变量X对Y的解释程度不高呢
ANOVA(b)
Model Sum of Squares df Mean Square F Sig.
1Regression 0.088 7 0.0125 4.023 0.007
Residual 0.0622 20 0.0031
Total 0.1498 27
a Predictors: (Constant), X7, X4, X6, X1, X3, X5, X2
b Dependent Variable: Y

Coefficients(a)
Model Unstandardized Coefficients Standardized Coefficients B Std. Error Beta t Sig.
1(Constant) -0.053 0.117 -0.451 0.657
X1 -0.516 0.331 -0.359 -1.559 0.135
X2 -0.118 0.154 -0.242 -0.768 0.451
X3 -0.022 0.033 -0.192 -0.660 0.517
X4 0.014 0.008 0.314 1.816 0.084
X5 0.160 0.047 0.928 3.381 0.003
X6 -0.008 0.050 -0.033 -0.169 0.868
X7 0.015 0.008 0.316 1.823 0.083
a Dependent Variable: Y
只有X5的t 小于0.05，是否只有X5有意义？到底应该如何分析？

第一步：首先对模型整体情况进行分析

包括模型拟合情况（R²），是否通过F检验等。

第二步：分析X的显著性

分析X的显著性（P值），如果呈现出显著性，则说明X对Y有影响关系。如果不显著，则应剔除该变量。

第三步：判断X对Y的影响关系方向及影响程度

结合回归系数B值，对比分析X对Y的影响程度。B值为正数则说明X对Y有正向影响，为负数则说明有负向影响。

第四步：写出模型公式

第五步：对分析进行总结

SPSSAU也会提供智能分析建议，方便分析人员快速得出分析结果。

参考技术A 多元回归分析 你要先确定一下自变量间是否存在严重的共线性，如果没有共线性，然后还要通过散点矩阵看看是否成线性关系，这些之后才可以做多元线性回归

所以只看你现在的结果，的确只有x5才有意义， 所以你要根据参考资料及常识等进行初步判断，这样的结果是否正确，如果不正确需要重新进行本回答被提问者采纳 参考技术B 蛤蟆跳井

怎样用SPSS做一元线性回归？具体怎么检验相关性

1、打开SPSS软件，在提示符后输入因变量y和自变量x的数据。

2、接下来使用R中作线性模型的函数lm()函数，lm(y~x+1)表示做有截距的线性回归模型，接下来lm(y~x)也是表示有截距的线性回归模型，lm(y~x+0)和lm(y~x-1)则表示过原点的线性回归模型，红色部分即为输出结果。

3、在上述结果中，只得出了回归方程的系数和截距，要提取模型信息就要用到summary()函数。得到的结果就比刚刚多了很多信息了。

4、接下来对所得结果进行分析：结果中Call部分列出了相应的回归模型公式，Residuals部分列出了残差的最小值点、四分之一分位点、中位数点、四分之三分位点和最大值点。

Coefficients部分中 Estimate 是回归方程参数的估计值，Std. Error表示回归参数的标准差，t value 即为t值，Pr(>|t|) 即为p值，后面的***为显著性标记，*越多越显著。

5、当模型通过检验，可用于预测，此时我们需要用到R中的predict()函数，假设要预测x等于0.16时y的值，其中interval="prediction"表示求预测点的值的同时要给出相应的预测区间，level=0.95表示求95%的置信区间。

6、分析结果： fit 值即为x=0.16时y的预测值，lwr和upr分别表示预测区间的上下限。一般的回归分析做到这里就可以了。

参考技术A 你问的是2个问题吧，如果做一元线性回归，就不用检验相关性。下面只是简单说下操作，希望对你有帮助。
1、一元线性回归
在spss里录入相应数据，自变量x，因变量Y，然后点击：analyze--regression--linear，在弹出框里，dependent选择因变量Y，independent选择自变量X，如无其他需求，其他可以默认，直接点ok就可以出结果。结果里，R值就是回归系数，ANOVA里，sig小于0.05证明回归方程有效。constant对应的B值是截距。最后方程：Y=B+Rx
2、检验相关性
以连续数据为例，点击：analyze--correlate--bivariate，在弹出框里，把需要检验相关的变量选择过去，没特别要求的，直接点击ok即可。结果里：横列对应的2个变量的pearson correlation那个数值就是相关系数，sig小于0.05就是显著相关。本回答被提问者采纳 参考技术B 分析--回归--线性，回归方程由标准化回归系数和变量组成，
检验：分析--回归--线性，Method为进入，统计量中，右边选择回归模式适合度检验，解释量的该变量、共线性诊断。系数表中，Beta值为标准化回归系数，查看其是否显著