上机实验8SPSS线性回归方程.docVIP

上机实验八 SPSS线性回归方程 题目：以数据文件employee data.sav建立里一个以初始工资、工作经验、工作时间、工作种类、受教育年限等为自变量，当前工资为因变量的回归模型。 数据来源：SPSS课程资料 employee data.sav 基本结果： Variables Entered/RemovedModelVariables EnteredVariables RemovedMethod1教育水平（年）, 雇佣时间（以月计）, 经验（以月计）, 雇佣类别, 起始薪金a.Entera. All requested variables entered. 上表显示将教育水平、雇佣时间、经验、雇佣类别、起始薪金作为自变量，建立模型。 Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1.917a.840.839$6,856.795a. Predictors: (Constant), 教育水平（年）, 雇佣时间（以月计）, 经验（以月计）, 雇佣类别, 起始薪金 对模型拟合度的检验显示，对于这个多元线性回归模型，其决定系数（R Square）为0.840，说明其拟合程度较高。 ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression1.159E1152.318E10493.084.000aResidual2.200E104684.702E7Total1.379E11473a. Predictors: (Constant), 教育水平（年）, 雇佣时间（以月计）, 经验（以月计）, 雇佣类别, 起始薪金b. Dependent Variable: 当前薪金模型检验结果——方差分析表显示，该回归模型的SIG为0，说明该模型有显著的统计意义。 CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.Collinearity StatisticsBStd. ErrorBetaToleranceVIF1(Constant)-15038.5742992.525-5.025.000雇佣类别5859.585624.945.2659.376.000.4262.349起始薪金1.365.069.62919.796.000.3372.965雇佣时间（以月计）154.69831.464.0914.917.000.9921.008经验（以月计??-19.5533.250-.120-6.017.000.8601.162教育水平（年）539.642152.735.0913.533.000.5121.953a. Dependent Variable: 当前薪金 通过对回归结果的分析，可以得出，本回归方程的拟合结果为Y=5859.585X1+1.365X2+154.698X3-19.553X4+539.642X5 从sig值可知，所有自变量都是有统计学意义的。 对于该多元回归模型，还需检测自变量之间是否存在共线性问题，从分析的结果看，tolerance值均大于0.1，eigenvalue值不等于，condition index指均小于30，结合下表可以知道，本回归方程中的自变量均不存在共线性问题。 Collinearity DiagnosticsaModelDimensionEigenvalueCondition IndexVariance Proportions(Constant)雇佣类别起始薪金雇佣时间（以月计）经验（以月计）教育水平（年）115.2111.000.00.00.00.00.01.002.5163.179.00.01.00.00.80.003.1995.112.01.19.05.02.02.004.05010.236.00.79.63.01.01.015.01817.249.01.00.31.18.14.866.00727.634.97.00.00.79.03.12a. Dependent Variable: 当前薪金 结论： 通过建立回归方