SPSS——线性回归

SPSS-线性回归

笔记总结。本文只有SPSS结果分析，推导等有空再搞

参考文献：

https://blog.csdn.net/qysh123/article/details/73801391

https://www.mediecogroup.com/method_article_detail/45/

https://www.mediecogroup.com/method_article_detail/51/

线性回归的假设前提

线性回归分析，需要先满足以下8项假设：

假设1：因变量是连续变量。

假设2：自变量不少于2个（连续变量或分类变量都可以，多重线性回才需要满足）。

假设3：各观测值之间相互独立，即残差之间不存在自相关。

假设4：因变量和自变量之间存在线性关系。

假设5：残差的方差齐。

假设6：不存在多重共线性。

假设7：没有显著异常值。

假设8：残差近似正态分布。

结果图表分析

下面简单解释一下这三张图中的结果：

表

R表示拟合优度（goodness of fit），它是用来衡量估计的模型对观测值的拟合程度。它的值越接近1说明模型越好。

第二个指标R2（R Square）代表回归模型中自变量对因变量变异的解释程度，是分析回归结果的开始。例如，R2=0.489，提示自变量可以解释48.9%的因变量变异。但是，R2是会夸大自变量对因变量变异的解释程度，如果模型中增加一个自变量，即使这个自变量在统计上并不显著，R2也会增大。<