SPSS回归分析【008期】

**博主提示：订阅本专栏，可免费获得此专栏参考文献电子版资料**

回归分析是研究一个变量与一个或多个变量之间的线性或非线性关系的一种统计分析方法。回归分析通过规定因变量和自变量来确定变量之间的因果关系，建立回归模型，并根据实测数据来估计模型的各个参数，然后评价回归模型是否能够很好地拟合实测数据；并可以根据自变量作进一步预测。回归分析方法理论成熟，它可以确定变量之间的定量关系并进行相应的预测，反映统计变量之间的数量变化规律，为研究者准确把握自变量对因变量的影响程度和方向提供有效的方法。在经济、金融和社会科学方面具有广泛的应用。SPSS提供强大的回归分析功能， 可以进行线性回归、曲线回归、Logistic回归、非线性回归等多种分析。

8.1一元线性回归分析
线性回归分析是最常用的回归分析，许多非线性的模型形式也可以转化为线性回归模型进行分析。
8.1.1简单线性回归的基本原理
SPSS的简单线性回归分析也称一元回归分析， 是最简单也是最基本的一种回归分析方法。简单线性回归分析的特色是只涉及一个自变量，它主要用来处理一个因变量与一个自变量之间的线性关系，建立变量之间的线性并根据模型作评价和预测。
1 方法概述
线性回归模型侧重考察变量之间的数量变化规律，并通过线性表达式，即线性回归方程，来描述其关系，进而确定一个或几个变量的变化对另一个变量的影响程度，为预测提供科学依据。
一般线性回归的基本步骤如下。
(1)确定回归方程中的自变量和因变量。
(2)从收集到的样本数据出发，确定自变量和因变量之间的数学关系式，即确定回归方程。
(3)建立回归方程，在一定统计拟合准则下估计出模型中的各个参数，得到一个确定的回归方程。
(4)对回归方程进行各种统计检验。
(5)利用回归方程进行预测。

2 基本原理
当自变量和因变量之间呈现显著的线性关系时，则应采用线性回归的方法，建立因变量关于自变量的线性回归模型。根据自变量的个数，线性回归模型可分为一元线性回归模型和多元线性回归模型。一元线性回归模型是在不考虑其他影响因素的条件下，或是在认为其他影响因