spss数据分析线性回归教程,spss线性回归中显著性0.000代表什么- 畅鱼网

一、前期准备

1.研究目的

线性回归分析研究影响关系情况,回归分析实质上就是研究X(自变量)对Y(因变量,定量数据)的影响关系情况。当自变量为1个时，是一元线性回归，又称作简单线性回归；自变量为2个及以上时，称为多元线性回归。线性回归广泛的应用于自然科学、社会科学等各个领域中。例如：研究吸烟、肥胖、运动等因素是否影响高血压发病率；土壤、水分、光照是否影响植物生长等。

2.数据类型

线性回归要求因变量Y（被解释变量）一定是定量数据。如果因变量Y为定类数据，可以用“进阶方法”中的“logit回归”。

3.分析要求

（1）一般对于分析项的自变量个数没有要求，但是一般建议不要一次性放入太多，过多容易引起多重共线性，如果需要对哑变量进行处理，需要在SPSSAU“数据处理”中的“生成变量”，可以查看：SPSSAU哑变量帮助手册：

（2）正态性检验

SPSSAU提供多种正态性检验的方法，例如：“通用方法”中的“正态性检验”；“可视化”中的“直方图”； “可视化”中的“P-P/Q-Q图”。

理论上要求线性回归中的因变量要满足“正态性”，但是若数据为问卷数据，建议可跳过正态性检验这一步。原因在于问卷数据属于等级数据，很难保证正态性，且数据本身变化幅度就不大，即使对数处理效果也不明显。

（3）线性趋势

线性回归模型要求自变量和因变量是呈线性关系的，可以通过SPSSAU中“可视化”中的“散点图”进行查看。如果不成线线性可以使用SPSSAU中的曲线回归。

补充说明：相关分析和回归分析

一般来说，回归分析之前需要做相关分析，原因在于相关分析可以先了解是否有关系，回归分析是研究有没有影响关系，有相关关系但并不一定有回归影响关系。

二、SPSSAU上传数据

1.上传数据

登录账号后进入SPSSAU页面，点击右上角“上传数据”，将处理好的数据进行“点击上传文件”上传即可。

2.拖拽分析项

在“通用方法”模块中选择“线性回归”方法，将Y定量数据放于上方分析框内，X自变量放于下方分析框内，点击“开始分析”即可。

补充说明：如果想一次拖拽多个分析项，则可以使用ctrl键不连续多选,shift键连续多选;左右拖拽。

3.选择参数

勾选后可以将残差和预测值保存起来，可用于进—步分析使用。

三、SPSSAU分析

1.线性回归分析结果

从上表可以看出，模型公式为：当前工资=-338.130 + 1.750*起始工资 + 710.927*受教育程度(年)-10.009*过去经验(月)-77.206*年龄，模型R方值为0.803，意味着起始工资,受教育程度(年),过去经验(月),年龄可以解释当前工资的80.3%变化原因。

对模型进行F检验时发现模型通过F检验(F=476.677，p=0.000<0.05)，也即说明起始工资,受教育程度(年),过去经验(月),年龄中至少一项会对当前工资产生影响关系，另外，针对模型的多重共线性进行检验发现，模型中VIF值全部均小于5，意味着不存在着共线性问题；并且D-W值在数字2附近，因而说明模型不存在自相关性，样本数据之间并没有关联关系，模型较好。

具体分析：

（1）起始工资的回归系数值为1.750(t=29.259，p=0.000<0.01)，意味着起始工资会对当前工资产生显著的正向影响关系。

（2）受教育程度(年)的回归系数值为710.927(t=4.190，p=0.000<0.01)，意味着受教育程度(年)会对当前工资产生显著的正向影响关系。

（3）过去经验(月)的回归系数值为-10.009(t=-1.762，p=0.079>0.05)，意味着过去经验(月)并不会对当前工资产生影响关系。

（4）年龄的回归系数值为-77.206(t=-1.535，p=0.126>0.05)，意味着年龄并不会对当前工资产生影响关系。

补充说明如下：