1、SPSS回归多元线性回归结果分析（二）2011-10-27 14:44，最近一直很忙，公司的潮起潮落，就好比人生的跌岩起伏，眼看着一步步走向衰弱，却无能为力，也许要学习“步步惊心”里面“四阿哥”的座右铭：“行到水穷处”，”坐看云起时“。 接着上一期的“多元线性回归解析”里面的内容，上一次，没有写结果分析，这次补上，结果分析如下所示：结果分析 1：由于开始选择的是“逐步”法，逐步法是“向前”和“向后”的结合体，从结果可以看出，最先进入“线性回归模型”的是“price in thousands“ 建立了模型 1，紧随其后的是“Wheelbase“ 建立了模型 2，所以，模型中有此方法有个概率值，当
2、小于等于 0.05 时，进入“线性回归模型”（最先进入模型的，相关性最强，关系最为密切）当大于等 0.1 时，从“线性模型中”剔除结果分析：1：从“模型汇总”中可以看出，有两个模型，（模型 1 和模型 2）从 R2 拟合优度来看，模型 2 的拟合优度明显比模型 1 要好一些（0.4220.300）2：从“Anova“表中，可以看出“模型 2”中的“回归平方和”为115.311，“残差平方和”为 153.072，由于总平方和= 回归平方和+残差平方和，由于残差平方和(即指随即误差，不可解释的误差）由于“回归平方和”跟“残差平方和”几乎接近，所有，此线性回归模型只解释了总 平方和的一半，3：根据后
3、面的“F 统计量”的概率值为 0.00，由于 0.000.1) 所以常数项不具备显著性，所以，我们再看后面的“标准系数”，在标准系数一列中，可以看到“常数项”没有数值，已经被剔除所以：标准化的回归方程为：销售量=-0.59*价格+0.356*轴距2：再看最后一列“共线性统计量”，其中“价格”和“轴距”两个容差和“vif 都一样，而且 VIF 都为 1.012，且都小于 5，所以两个自变量之间没有出现共线性，容忍度和膨胀因子是互为倒数关系，容忍度越小，膨胀因子越大，发生共线性的可能性也越大从“共线性诊断”表中可以看出：1：共线性诊断采用的是“特征值”的方式，特征值主要用来刻画自变量的方差，诊断自
4、变量间是否存在较强多重共线性的另一种方法是利用主成分分析法， 基本思想是：如果自变量间确实存在较强的相关关系，那么它们之间必然存在信息重叠，于是就可以从这些自变量中提取出既能反应自变量信息（方差），而且有相 互独立的因素（成分）来，该方法主要从自变量间的相关系数矩阵出发，计算相关系数矩阵的特征值，得到相应的若干成分。从上图可以看出：从自变量相关系数矩阵出发，计算得到了三个特征值（模型2 中），最大特征值为 2.847， 最小特征值为 0.003条件索引=最大特征值/相对特征值 再进行开方 （即特征值 2 的 条件索引为 2.847/0.150 再开方=4.351）标准化后，方差为 1，每一个特
5、征值都能够刻画某自变量的一定比例，所有的特征值能将刻画某自变量信息的全部，于是，我们可以得到以下结论：1：价格在方差标准化后，第一个特征值解释了其方差的 0.02， 第二个特征值解释了 0.97，第三个特征值解释了 0.002：轴距在方差标准化后，第一个特征值解释了其方差的 0.00， 第二个特征值解释了 0.01，第三个特征值解释了 0.99可以看出：没有一个特征值，既能够解释“价格”又能够解释“轴距”所以“价格”和“轴距”之间存在共线性较弱。前面的结论进一步得到了论证。（残差统计量的表中数值怎么来的，这个计算过程，我就不写了）从上图可以得知：大部分自变量的残差都符合正太分布，只有一，两处地方稍有偏离，如图上的（-5 到-3 区域的）处理偏离状态下班了，有时间继续写，百度空间发表文章，为什么过几分钟，就输入不了文字了啊
