SPSS篇—回归分析
SPSS篇—回归分析
之前跟⼤家介绍了⼀款做数据分析的利器—SPSS，不知道⼤家对这个软件的熟悉程度有没有提⾼⼀些呢？
今天给⼤家分享⼀下如何⽤SPSS Statistics来进⾏回归分析，我们通过⼀个实例来具体了解⼀下整个分析的过程以及结果的解读。
公司开除员工
上图中就是本次需要进⾏回归分析的数据，之前有跟⼤家说过，SPSS Statistics的界⾯跟EXCEL是相似的，如果数据量⽐较⼩的时候我们可以直接输⼊到数据视图当中（也可以从EXCEL将数据粘贴过来）。图中的数据表达的是某公司1-11⽉份的商品销售情况，第⼀列是⽉份，第⼆列是当⽉销售商品种类数，第三列是当⽉的商品销售量。我们现在需要通过回归分析来了解商品上架种类和商品销售量之间是否有关系，如果有的话⼜是怎么样的⼀种关系，并且是否可以通过⽬前的数据来预测⼀下12⽉份的商品销售量情况。
上图是当我们输⼊完⽬标数据以后在变量视图中就会出现三⾏数据，每⼀⾏数据从上到下是同我们三列数据⼀⼀对应的，我们进⾏稍微的调整以后就可以开始我们的分析了。
如上图所⽰，我们需要从分析的⼯具栏当中选择回归，然后选择线性（回归的模型选择有很多种，本题中我们选择线性回归）。选择完了以后我们就能够进⼊到下⾯这个界⾯：
我们把商品销售量设为因变量，⾃变量为商品上架种类数，然后点击右侧的统计量选项：
马云福字图片大全敬业福在统计量⾥⾯我们需要选择D-W检验，这个检验就是之前⽂章跟⼤家说的残差检验，查看回归模型是否有问题。
在绘制项中我们选择输出残差直⽅图与正态概率图，我们可以通过这个图来⼤致确定数据是否存在⾃相关等情况。
其他的选项我们暂时以系统默认进⾏确定，不作更改。当我们点击确定以后我们就能够从输出界⾯看到我们本次分析的结果：开学典礼学生代表发言稿
武夷茶文化从上⾯结果图中我们可以看出，不管是R⽅还是调整后的R⽅都是在90%以上，说明本次回归模型的拟合效果是很好的。
从第⼆个⽅差分析结果图，我们可以看出⽅差分析的显著性为0.00<0.05，说明在本次分析中上架商品种类数和商品销量之间存在显著的线性关系。
什么时候暑伏第一天
从第三个系数图中，我们能看到整个回归分析的结果是很好的，t检验⾥的显著性⽔平0.00<0.05，说明本次回归⽅程的系数是显著的，具有统计学意义。本次回归分析的回归⽅程为：
Y=399.954+7.503X
到这⾥不知道⼤家是不是也认为整个回归分析就做完了。其实我们还有重要的⼀步没有验证，就是D-W检验，在第⼀个模型汇总图⾥我们能看到本次分析D-W的值是1.475，我们可以选择通过查询Durbin Watson table，也可以选择看我们输出的图来判断是否数据存在⾃相关等问题。
梦想作文800字
上⾯两个图就是我们输出的残差图，我们其实从图中也可以看出残差的分布没有呈现出明显的规律性，说明此题的数据不存在⾃相关等情况，本次的回归模型不⽤进⾏其他操作，可以直接使⽤。
最后，我们既然得出了我们的回归⽅程，我们也就可以对12⽉份的商品销售情况作出相应的预测，这个就只需要往回归⽅程⾥⾯代数就可以计算出来了。
到这⾥，我们本次SPSS Statistics的回归分析就全部做完了，今天也是给⼤家举了⼀个⽐较简单的例⼦，主要是让⼤家看看如果使⽤SPSS Statistics。在⼯作中我们需要的回归模型可能会⽐这个复杂，但是其实原理都是⼀样的，以后⼩⽩也会分享更多的回归分析⽅法来让⼤家学习。
**⽂章来⾃【⼩⽩数据营】**

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。