《多元统计分析分析》实验报告
2012 年 月 日 学院 实验 名称 经贸学院 姓名 学号 实验成绩 一、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7.2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7.2数据输入spss：点击“文件”下“新建”——“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）：
第 1 页
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“D.W”；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） 第 2 页
图5 图6 图7 第 3 页
图8 图9 回归分析输出结果：
第 4 页
表1 模型汇总 模型 R 1 .996 ab标准 估计的误R 方 .992 调整 R 方 .988 差 .48887 Durbin-Watson 2.740 a. 预测变量: (常量), x3, x2, x1。 b. 因变量: y 表2 Anova 模型 1 回归 残差 总计 平方和 204.776 1.673 206.449 df 3 7 10 均方 68.259 .239 F 285.610 Sig. .000 ab a. 预测变量: (常量), x3, x2, x1。 b. 因变量: y 表3 系数 模型 非标准化系数 B 1 (常量) x1 x2 x3 a. 因变量: y -10.128 -.051 .587 .287 标准 误差 1.212 .070 .095 .102 标准系数 试用版 t -8.355 -.731 6.203 2.807 Sig. .000 .488 .000 .026 零阶 相关性 偏 部分 共线容差 a -.339 .213 1.303 .965 .251 .972 -.266 .920 .728 -.025 .211 .095 .0.9.0由表可知，回归模型拟合优度达到99.2%，方差分析也显示线性回归方程整体显著（F=285.61，Sig.=0.000）但是回归系数估计结果中，x1的系数为-0.051与一般经济理论矛盾且不显著（t检验值-0.731，检验的p值0.488），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： 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”—“降维”—“因子分析”（见图10）； 在弹出的窗口中将x1-x3调入“变量”（见图11）； 然后①点击“描述”，选择要输出的统计量（见图12）：选中“统计量”下的两个项目（输出变量描述统计和初始分析结果）；在“相关矩阵”一般要选择输出“系数”、“显著性水平”、“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
第 5 页