回歸方程的擬合效果怎麼看_分析線性回歸方程的擬合效果 - CSDN

之前跟大家介紹了一款做數據分析的利器—SPSS，不知道大家對這個軟體的熟悉程度有沒有提高一些呢？

今天給大家分享一下如何用SPSS Statistics來進行回歸分析，我們通過一個實例來具體了解一下整個分析的過程以及結果的解讀。

上圖中就是本次需要進行回歸分析的數據，之前有跟大家說過，SPSS Statistics的界面跟EXCEL是相似的，如果數據量比較小的時候我們可以直接輸入到數據視圖當中（也可以從EXCEL將數據粘貼過來）。圖中的數據表達的是某公司1-11月份的商品銷售情況，第一列是月份，第二列是當月銷售商品種類數，第三列是當月的商品銷售量。我們現在需要通過回歸分析來了解商品上架種類和商品銷售量之間是否有關係，如果有的話又是怎麼樣的一種關係，並且是否可以通過目前的數據來預測一下12月份的商品銷售量情況。

上圖是當我們輸入完目標數據以後在變量視圖中就會出現三行數據，每一行數據從上到下是同我們三列數據一一對應的，我們進行稍微的調整以後就可以開始我們的分析了。

如上圖所示，我們需要從分析的工具欄當中選擇回歸，然後選擇線性（回歸的模型選擇有很多種，本題中我們選擇線性回歸）。選擇完了以後我們就能夠進入到下面這個界面：

我們把商品銷售量設為因變量，自變量為商品上架種類數，然後點擊右側的統計量選項：

在統計量裡面我們需要選擇D-W檢驗，這個檢驗就是之前文章跟大家說的殘差檢驗，查看回歸模型是否有問題。

在繪製項中我們選擇輸出殘差直方圖與正態概率圖，我們可以通過這個圖來大致確定數據是否存在自相關等情況。

其他的選項我們暫時以系統默認進行確定，不作更改。當我們點擊確定以後我們就能夠從輸出界面看到我們本次分析的結果：

從上面結果圖中我們可以看出，不管是R方還是調整後的R方都是在90%以上，說明本次回歸模型的擬合效果是很好的。

從第二個方差分析結果圖，我們可以看出方差分析的顯著性為0.00<0.05，說明在本次分析中上架商品種類數和商品銷量之間存在顯著的線性關係。

從第三個係數圖中，我們能看到整個回歸分析的結果是很好的，t檢驗裡的顯著性水平0.00<0.05，說明本次回歸方程的係數是顯著的，具有統計學意義。本次回歸分析的回歸方程為：

Y=399.954+7.503X

到這裡不知道大家是不是也認為整個回歸分析就做完了。其實我們還有重要的一步沒有驗證，就是D-W檢驗，在第一個模型匯總圖裡我們能看到本次分析D-W的值是1.475，我們可以選擇通過查詢Durbin Watson table，也可以選擇看我們輸出的圖來判斷是否數據存在自相關等問題。

上面兩個圖就是我們輸出的殘差圖，我們其實從圖中也可以看出殘差的分布沒有呈現出明顯的規律性，說明此題的數據不存在自相關等情況，本次的回歸模型不用進行其他操作，可以直接使用。

最後，我們既然得出了我們的回歸方程，我們也就可以對12月份的商品銷售情況作出相應的預測，這個就只需要往回歸方程裡面代數就可以計算出來了。

到這裡，我們本次SPSS Statistics的回歸分析就全部做完了，今天也是給大家舉了一個比較簡單的例子，主要是讓大家看看如果使用SPSS Statistics。在工作中我們需要的回歸模型可能會比這個複雜，但是其實原理都是一樣的，以後小白也會分享更多的回歸分析方法來讓大家學習。

**文章來自公眾號【小白數據營】**