《线性回归分析》由会员分享，可在线阅读，更多相关《线性回归分析（13页珍藏版）》请在金锄头文库上搜索。
1、1.每天手机阅读频率与手机阅读获得满足的线性回归分析12345注解】从散点图可知：每天手机阅读频率与手机阅读获得满足相关性小。相关性您每日手机阅读的频率是？无聊、消遣您每日手机阅读的频率是？Pearson相关性1-.026显著性（双侧）.575N462462无聊、消遣Pearson相关性-.0261显著性（双侧）.575N462468【注解】相关变量的 Pearson 相关系数=-0.020，表示呈负相关；相关系数检验对应的概 率P值=0.575,，小于显著水平0.01，应接受原假设，即每天手机阅读频率与手机阅读获得 满足没有显著的相关性。描述性统计量均值标准偏差N您每日手机阅读的频率是？2.
2、491.049462无聊、消遣3.431.017462输入/移去的变量b模型输入的变量移去的变量方法1无聊、消遣a输入a. 已输入所有请求的变量。b. 因变量：您每日手机阅读的频率是？【注解】上图显示是回归分析方法引入变量的方式模型汇总b模型RR方调整R方标准估计的误差1026a.001-.0011.050a. 预测变量：（常量），无聊、消遣。b. 因变量：您每日手机阅读的频率是？【注解】上图是回归方程的拟合优度检验。第二列：两变量的相关系数R=0.026第三列：被解释变量和解释变量的判定系数R方=0.001是一元线性回归方程拟合优度检验的 统计量；判定系数远离1，说明回归方程对样本数据的拟合
3、优度越低，被解释变量可以被模 型接受的部分较少。第四列：被解释变量和解释变量的调整判定系数R方=-0.001。 第五列：回归线性方程的估计标准误差=1.050。Anovab模型平方和df均方FSig.1回归034671.017.066.797a残差507.0093448.249总计504.4460449a.预测变量：（常量），无聊、消遣？。Anovab模型平方和df均方FSig.1回归034671.017.066.797a残差507.0093448.249总计504.4460449a. 预测变量：（常量），无聊、消遣？。b. 因变量：您每日手机阅读的频率？【注解】上图是回归方程的整体显著性检验
4、回归分析的方差分析。 第二列：被解释变量的总离差平方和=504.446；被分解为两部分：回归平方和=0.346，剩余 平方和=507.099。F检验统计量的值=0.017,对应的概率P=0.797，大于0.05,应接受原假设，结论：回归系数 不为0，被解释变量与解释变量的线性关系不显著，不可建立线性模型。系数a模型非标准化系数标准系数tSig.B标准误差试用版1（常量）2.582.17215.019.000无聊、消遣-.027.048-.026-.561.575a.因变量：您每日手机阅读的频率是？【注解】回归方程的线性回归系数和常项的估计值，以及回归系数的线性显著检验。 第二列：常数项估计值=
5、2.582:；回归系数估计值=0.61。第三列：回归系数的标准误差=-0.048第四列：标准化回归系数=-0.026第五、六列：回归系数T检验的t统计量值=-561,对于的概率卩值=0.575,大于显著性水平0.05, 接受原假设，结论：回归系数不为0，被解释变量与解释变量的线性关系不显著。YS=2.582-0.027x残差统计量a极小值极大值均值标准偏差N预测值2.452.552.49.027462标准预测值-1.5452.387.0001.000462预测值的标准误差.053.127.066.019462调整的预测值2.442.582.49.028462残差-1.5551.553.0001
6、.049462标准残差-1.4811.479.000.999462Student化残差-1.4921.485.0001.001462已删除的残差-1.5781.565.0001.053462Student化已删除的残差-1.4941.487.0001.002462Mahal。距离.1775.698.9981.334462Cook的距离.000.016.002.003462居中杠杆值.000.012.002.003462a.因变量：您每日手机阅读的频率是？-KJ tooooo0oooooooo0oooooZL0IIh&评囁獵刖漱阀卅：jh舞縄:喜並kl.紳如郵毀同m/H專 KJ 2手机是3G与手
7、机屏幕大小满意度的一元线性分析2-8-6-4-2-12345您对手机胖幕人小的满总度？【注解】从散点图可知：手机是3G与手机屏幕大小满意度相关性小。相关性您的手机是3G吗？您对手机屏幕大 小的满意度？您的手机是3G吗？Pearson相关性显著性（双侧）N1450.012.797450您对手机屏幕大小的满意度？ Pearson相关性显著性（双侧）N.012.7974501468【注解】相关变量的Pearson相关系数=0.0120,表示呈正相关；相关系数检验对应的概 率P值=0.797,，大于显著水平0.01，应拒绝原假设，即手机是3G与手机屏幕大小满意度 之间具有显著的相关性。输入/移去的变量
8、b模型输入的变量移去的变量方法1您对手机屏幕大 小的满意度？ a输入a. 已输入所有请求的变量。b. 因变量：您的手机是3G吗？模型汇总b模型RR方调整R方标准估计的误差1.012a.000-.002.499a. 预测变量：（常量），您对手机屏幕大小的满意度？。b. 因变量：您的手机是3G吗？【注解】上图是回归方程的拟合优度检验。第二列：两变量的相关系数R=0.012第三列：被解释变量和解释变量的判定系数R方=0.000是一元线性回归方程拟合优度检验的 统计量；判定系数远离1，说明回归方程对样本数据的拟合优度越低，被解释变量可以被模 型接受的部分较少。第四列：被解释变量和解释变量的调整判定系数
9、R方=-0.002。 第五列：回归线性方程的估计标准误差=0.499。Anovab模型平方和df均方FSig.1回归.0171.017.066.797a残差111.503448.249总计111.520449a. 预测变量：（常量），您对手机屏幕大小的满意度？。b. 因变量：您的手机是3G吗？【注解】上图是回归方程的整体显著性检验回归分析的方差分析。 第二列：被解释变量的总离差平方和=111.520；被分解为两部分：回归平方和=0.017，剩余 平方和=111.503。F检验统计量的值=0.066，对应的概率P=0.797,大于0.05，应接受原假设，结论：回归系数 不为0，被解释变量与解释变
10、量的线性关系不显著，不可建立线性模型。系数a模型非标准化系数标准系数tSig.B标准误差试用版1（常量）1.431.09015.980.000您对手机屏幕大小的满意度？.007.027.012.258.797a.因变量：您的手机是3G吗？【注解】回归方程的线性回归系数和常项的估计值，以及回归系数的线性显著检验。 第二列：常数项估计值=1.431；回归系数估计值=0.007。第三列：回归系数的标准误差=-0.027第四列：标准化回归系数=-0.012第五、六列：回归系数T检验的t统计量值=0.258,对于的概率卩值=0.797,大于显著性水平0.05，接受原假设，结论：回归系数不为0，被解释变量
11、与解释变量的线性关系不显著。YS=1.431+0.007x描述性统计量均值标准偏差N您的手机是3G吗？1.45.498450您对手机屏幕大小的满意度？3.23.881450相关性您的手机是3G吗？您对手机屏幕大 小的满意度？Pearson相关性您的手机是3G吗？1.000.012您对手机屏幕大小的满意度？.0121.000Sig.（单侧）您的手机是3G吗？.398您对手机屏幕大小的满意度？.398N您的手机是3G吗？450450您对手机屏幕大小的满意度？450450残差统计量a极小值极大值均值标准偏差N预测值1.441.471.45.006450标准预测值-2.5352.005.0001.00
12、0450预测值的标准误差.024.064.032.010450调整的预测值1.431.471.45.007450残差-.465.562.000.498450标准残差-.9331.127.000.999450Student化残差-.9381.136.0001.001450已删除的残差-.471.571.000.501450Student化已删除的残差-.9381.136.0001.001450Mahal。距离.0706.426.9981.380450Cook的距离.001.011.002.002450居中杠杆值.000.014.002.003450a.因变量：您的手机是3G吗？3手机阅读年限与增加知识、开阔眼界的一元线性分析4-1234培加知训、开觀眼界（如休育、财经、H44）【注解】从散点图可知：手机阅读年限与增加知识、开阔眼界相关性小。相关性您使用手机阅读 的年限是？增加知识、开阔眼 界（如体育、财经、百科）您使用手机阅读的年限是？Pearson相关性显著性（双侧）N1467-.044.343467增加知识、开阔眼界（如体育、Pearson相关性 财经、百科）显著性（双侧）N-.044.3434671468【注解】相关变量的Pearson相关系数=-0.044
