文档介绍：(2016-08-12 20:31:47)[删除]
转载▼
标签： 
转载
原文地址：作者：建模手
   线性回归数据（全国各地区能源消耗量与产量）来源，可点击协会博客数据挖掘栏：国泰安数据服务中心的经济研究数据库。
 数据
柴油消费量
30
27
1368
燃料油消费量
30
0
1574
天然气消费量
30
1
106
电力消费量
30
98
3004
原煤产量
30
0
58142
焦炭产量
30
0
9202
原油产量
29
0
4341
燃料油产量
30
0
497
汽油产量
30
0
1032
煤油产量
30
0
219
柴油产量
30
0
1911
天然气产量
30
0
164
电力产量
30
97
2536
有效的 N （列表状态）
29
 
 
 
 
 
表1-2 描述性数据汇总
标准化后得到的数据值，以下的回归分析将使用标准化数据。如图1-5所示：
                                       图1-5 数据标准化
我们还可以通过描述性分析中的“ ”来得到各个变量的众数，均值等，还可以根据这些量绘制直方图。我们选取个别变量（能源消费总量）的直方图，可以看到我们因变量基本符合正态分布。如图1-6所示：
                                 图1-6能源消费总量
 回归分析
 我们本次实验主要考察地区能源消费总额（因变量）与煤炭消费量、焦炭消费量、原油消费量、原煤产量、焦炭产量、原油产量之间的关系。以下的回归分析所涉及只包括以上几个变量，并使用标准化之后的数据。
 参数设置
1.     单击菜单栏“ ”-->“ ”-->“ ”，将弹出如图1-7所示的对话框，将通过选择因变量和自变量来构建线性回归模型。因变量：标准化能源消费总额；自变量：标准化煤炭消费量、标准化焦炭消费量、标准化原油消费量、标准化原煤产量、标准化焦炭产量、标准化原油产量。自变量方法选择：进入，个案标签使用地名，不使用权重最小二乘法回归分析—即WLS权重为空。
图1-7选择线性回归变量还需要设置统计量的参数，我们选择回归系数中的“ ”和其他项中的“ ”。选中估计可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta。选中模型拟合度复选框：模型拟合过程中进入、退出的变量的列表，以及一些有关拟合优度的检验：R，R2和调整的R2, 标准误及方差分析表。如图1-8所示：
                               图1-8 设置回归分析统计量
，我们选择绘制标准化残差图，其中的正态概率图是rankit图。同时还需要画出残差图，Y轴选择：ZRESID，X轴选择: ZPRED。如图1-9所示：
 
图1-9 设置绘制
左上框中各项的意义分别为:
·     “DEPENDNT”因变量
·     “ZPRED”标准化预测值
·     “ZRESID”标准化残差
·     “DRESID”删除残差
·     “ADJPRED”调节预测值
·     “SRESID”学生化残差
·     “SDRESID”学生化删除残差          
4. 许多时候我们需要将回归分析的结果存储起来，然后用得到的残差、预测值等做进一步的分析，“保存”按钮就是用来存储中间结果的。可以存储的有：预测值系列、残差系列、距离（Distances）系列、预测值可信区间系列、波动统计量系列。本次实验暂时不保存任何项。
5. 设置回归分析的一些选项，有：步进方法标准单选钮组：设置纳入和排除标准，可按P值或F值来设置。在等式中包含常量复选框：用于决定是否在模型中包括常数项，默认选中。如图1-10所示：
 
图1-10  设置选项
 结果输出与分析
在以上选项设置完毕之后点击确定，SPSS将输出一系列的回归分析结果。我们来逐一贴出和分析，并根据它得到最后的回归方程以及验证回归模型。
1.     表1-3所示，是回归分析过程中输入、移去模型记录。具体方法为：enter（进入）
输入／移去的变量
 
输入／移去的变量
 
模型
输入的变量
移去的变量
方法
1
Zscore(原油产量), Zscore(原煤产量), Zscore(焦炭消费量), Zscore(原油消费量), Zscore(煤炭消费