《多元統計分析分析》實驗報告2012年月日學院經貿學院姓名學號實驗名稱實驗成績一實驗目的一利用SPSS對主成分回歸進行計算機實現二要求熟練軟件操作步驟重點掌握對軟件處理結果的解釋二實驗內容以教材例題72為實驗對象應用軟件對例題進行操作練習以掌握多元統計分析方法的應用三實驗步驟以文字列出軟件操作過程并附上操作截圖1數據文件的輸入或建立文件名以學號或姓名命名將表關于同志近三年現實表現材料材料類招標技術評分表圖表與交易pdf視力表打印pdf用圖表說話 pdf72數據輸入spss點擊文件下新建數據見圖1圖1點擊左下角變量視圖首先定義變量名稱及類型見圖2圖2然后點擊數據視圖進行數據輸入圖3圖3完成數據輸入2具體操作分析過程1首先做因變量Y與自變量X1-X3的普通線性回歸在變量視圖下點擊分析菜單選擇回歸-線性圖4圖4將因變量Y調入因變量欄將x1-x3調入自變量欄圖5然后選擇相關要輸出的結果①點擊右上角統計量s回歸系數下選擇估計殘差下選擇DW在右上角選擇輸出模型擬合度部分相關和偏相關共線性診斷后兩項是做多重共線性檢驗選完后點擊繼續見圖6②如果需要對因變量與殘差進行圖形分析則需要在繪制下選擇相關項目圖7一般不需要則繼續③如果需要將相關結果如因變量預測值殘差等保存則點擊保存圖8選擇要保存的項目④如果是逐步回歸法或者設置不帶常數項的回歸模型則點擊選項圖9其他選項按軟件默認最后點擊確定運行線性回歸輸出相關
spss主成分回歸步驟
結果見表1-3圖5圖6圖7圖8圖9回歸分析輸出結果表1模型匯總b模型RR方調整R方標準excel標準偏差excel標準偏差函數exl標準差函數國標檢驗抽樣標準表免費下載紅頭文件格式標準下載估計的誤差-預測變量常量因變量y表模型平方和df均方FSig1回歸殘差總計預測變量常量因變量y表3系數a模型非標準化系數標準系數tSig相關性共線性統計量B標準誤差試用版零階偏部分容差VIF1常量---339--266-因變量y由表可知回歸模型擬合優度達到992方差分析也顯示線性回歸方程整體顯著但是回歸系數估計結果中x1的系數為-0051與一般經濟理論矛盾且不顯著t檢驗值-0731檢驗的p值0488經多重共線性診斷x1與x3的VIF值高達180以上表明自變量存在共線性運用主成分分析做多重共線性處理2自變量x1-x3的主成分分析由于spss
沒有獨立的主成分分析模塊需要在因子分析里完成因此需要特別注意在數據窗口下選擇分析降維因子分析見圖10在彈出的窗口中將x1-x3調入變量見圖11然后①點擊描述選擇要輸出的統計量見圖12選中統計量下的兩個項目輸出變量描述統計和初始分析結果在相關矩陣一般要選擇輸出系數顯著性水平KMO做主成分分析和因子分析的適用性檢驗也就是檢驗變量之間的相關系數是否足夠大可以做因子分析選完后點擊繼續進行下一步②點擊抽取見圖13在方法下默認主成分分析下默認相關性矩陣含義是要對變量做標準化處理然后基于標準化后的協差陣也就是相關陣進行分解做因子分析或主成分分析如果不需要對變量做標準化處理就選協方差矩陣輸出中的兩項都選要求輸出沒有旋轉的因子解主成分分析必選項和碎石圖用圖形決定提取的主成分或因子的個數抽取下默認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個單位標準差的變量信息因為標準化后的變量方差為1因子或者主成分作為提取的綜合變量應該至少代表1個變量的信息也可以自選提取的因子個數即第二項本例中做主成分回歸選擇提取全部可能的3個主成分所以自選個數填3選完后點擊繼續進行下一步③點擊旋轉圖14按默認的方法下不旋轉注意主成分分析不能旋轉其他不用選點擊繼續進行下一步④點擊得分計算不旋轉的初始因子得分圖15選中保存為變量方法下按默認其他不修改點擊繼續進行下一步⑤選項下
可以不選按默認選項里主要針對缺失值和系數顯示格式不影響分析結果最后點擊確定運行因子分析圖10圖11圖12圖13圖14圖15由運行結果計算主成分表4描述統計量均值標準差分析表5相關矩陣相關單側0459表6KMO和的檢驗取樣足夠度的-Meyer-Olkin度量的球形度檢驗近似卡方表7解釋的總方差成份初始特征值提取平方和載入合計方差的累積合計方差的累積提取方法主成份分析表8成份矩陣a成份-99-026-037提取方法主成份a已提取了3個成份由表56可知適合做主成分或因子分析KMO檢驗通過表7知前兩個主成分初始因子貢獻率已達9991提取前兩個主成分用于分析由表8初
spss主成分回歸步驟
始因子載荷陣和表7可計算前兩個特征向量用表8前兩列分別除以前兩個特征值的平方根得前兩個主成分表達式6X3式1F2--式2其中X1-X3表示為標準化變量這是因為在進行主成分分析時是以標準化變量進行分析的是從相關陣出發分析的見圖13的選項由于主成分互不相關可以用提取的主成分代替自變量進行回歸分析因此需要計算主成分得分來代替自變量X1-X3主成分的計算依據式1和2中兩個主成分的表達式對各自變量標準化后帶入就可以計算出每個樣品的主成分得分但是在spss中由因子分析提取時是用主成分法提取的根據初始因子與主成分的關系未旋轉的初始因子等于主成分除以特征根的平方根因此主成分得分等于因子得分乘以特征根的平方根因此可以由因子得分計算主成分得分前面在因子分析選項中保存了因子得分見圖15因此計算兩個主成分得分點擊轉換計算變量圖16在彈出的窗口分別定義主成分F1第一因子得分第一特征根的平方根圖17和F2第二因子得分第二特征根的平方根3主成分回歸過程要做主成分回歸需要用標準化的因變量因為自變量經過標準化處理做主成分分析因變量需要對應做標準化與主成分做回歸對因變量Y做標準化處理點擊分析描述統計描述見圖18在彈出窗口中將Y調入變量并選中將標準化得分另存為變量圖19后確定完成Y的標準化
點擊分析---回歸---線性圖20在彈出窗口圖21中將調入因變量F1和F2調入自變量其他選項同前面圖6-9然后點擊確定運行主成分回歸相關輸出結果見表9圖16圖17圖18圖19圖20圖21主成分回歸結果表9模型匯總模型RR方調整R方標準估計的誤差預測變量常量F1F2表模型平方和df均方FSig1回歸殘差總計預測變量常量F1F2b因變量表11系數a模型非標準化系數標準系數tSig共線性統計量B標準誤差試用版容差VIF1常量-3043E-因變量由表9-11可知標準化Y對兩個主成分的線性回歸通過顯著性檢驗也沒有多重共線性回歸系數合理即將前面F1F2的表達式式1和二帶入可得標準化Y關于標準化自變量的回歸方程X3還原為原始變量整理得最終回歸結果Y-3
