SPSS对主成分回归实验报告.docxVIP

《多兀统计分析分析》实验报告 2012 年 月 日 学院 经贸学院 姓名 学号 实验 名称 实验成绩 「、实验目的 （一） 利用SPSS对主成分回归进行计算机实现 ? （二） 要求熟练软件操作步骤，重点 掌握对软件处理结果的解释 二、 实验内容 以教材例题为实验对象，应用软件对例题进行操作练习，以掌握多元统计分析方法的应用 三、 实验步骤（以文字列出软件操作过程并附上操作截图） 1、数据文件的输入或建立：（文件名以学号或姓名命名） 将表数据输入spss :点击“文件”下“新建”一一“数据”见图 1 : 图1 点击左下角“变量视图”首先定义变量名称及类型：见图 2： 图2: 然后点击“数据视图”进行数据输入（图 3）： 图3 完成数据输入 2、具体操作分析过程 ： （1）首先做因变量 Y与自变量X1-X3的普通线性回归： 在变量视图下点击“分析”菜单，选择“回归” -“线性”（图4）: 图4 将因变量Y调入“因变量”栏，将 x1-x3调入“自变量”栏（图 5）： 然后选择相关要输出的结果：①点击右上角“统计量（ s）”： “回归系数”下选择“估计”；“残差”下选择“”； 在右上角选择输出“模型拟合度”、“部分相关和偏相关” “共线性诊断”（后两项是做多重共线性检验）。选完 后点击“继续”（见图6）②如果需要对因变量与残差进行图形分析则需要在“绘制”下选择相关项目（图 7）， 一般不需要则继续③如果需要将相关结果如因变量预测值、残差等保存则点击“保存” （图8），选择要保存的 项目④如果是逐步回归法或者设置不带常数项的回归模型则点击“选项” （图9） 其他选项按软件默认。最后点击“确定” ，运行线性回归，输出相关结果（见表 1-3） 图5 图6 图7 回归分析输出结果: 表1 模型汇总b 模型 R R方 调整R方 标准估计的误 差 Durbin-Watson 1 .996 a .992 .988 .48887 预测变量：（常量）,x3, x2, x1 。 因变量：y 表2 Anovab 模型 平方和 df 均方 F Sig. 1 回归 3 .000 a 残差 7 .239 总计 10 预测变量：（常量）,x3, x2, x1 非标准化系数标准系数tSig.相关性B标准误差试用版零阶偏 非标准化系数 标准系数 t Sig. 相关性 B 标准 误差 试用版 零阶 偏 部分 （常量） .000 x1 .070 .488 .965 x2 .587 .095 .213 .000 .251 .920 .211 x3 .287 .102 .026 .972 .728 .095 模型 —共线 容差 系数a .0 .9 .0 a.因变量：y 由表可知，回归模型拟合优度达到 %方差分析也显示线性回归方程整体显着（F=, Sig.=）但是 回归系数估计结果中，x1的系数为与一般经济理论矛盾且不显着（t检验值，检验的p值），经多 重共线性诊断（x1与x3的VIF值高达180以上）表明自变量存在共线性。运用主成分分析做多重共 线性处理： （2）自变量x1-x3的主成分分析： 10）；“统计量”下的两个项目（输出变“系数”、“显着性水平”、“KMO由于spss没有独立的主成分分析模块，需要在因子分析里完成，因此需要特别注意： 在数据窗口下选择“分析”一“降维”一“因子分析”（见图 在弹出的窗口中将x1-x3调入“变量”（见图 10）； “统计量”下的两个项目（输出变 “系数”、“显着性水平”、“KMO （做主成分分析和因子分析的适用性检验，也就是检验变量之间的相关系数是否足够大可以做因 子分析）选完后点击“继续”进行下一步；②点击“抽取”（见图 13）：在“方法”下默认“主 成分”；“分析”下，默认“相关性矩阵”（含义是要对变量做标准化处理，然后基于标准化后 的协差阵也就是相关阵进行分解做因子分析或主成分分析），如果不需要对变量做标准化处理就 选“协方差矩阵”；“输出”中的两项都选，要求输出没有旋转的因子解（主成分分析必选项） 和碎石图（用图形决定提取的主成分或因子的个数）；“抽取“下，默认的是基于特征值（大于 1表示提取的因子或主成分至少代表1个单位标准差的变量信息，因为标准化后的变量方差为 1， 因子或者主成分作为提取的综合变量应该至少代表 1个变量的信息），也可以自选提取的因子个 数（即第二项），本例中做主成分回归，选择提取全部可能的 3个主成分，所以自选个数填3。选 完后点击“继续”进行下一步；③点击“旋转”（图14），按默认的“方法”下不旋转（注意， 主成分分析不能旋转！）其他不用选，点击“继续”进行下一步；④点击“得分”，计算不旋转 的初始因子得分（图15），选中“保存为变量”，“方法”下按默认，其他不修改，点击“继续” 进行下一步。⑤“选项”