Trang chủ / SPSS / [SPSS] Hướng dẫn hồi quy tuyến tính trong SPSS

[SPSS] Hướng dẫn hồi quy tuyến tính trong SPSS

Một nhân viên bán hàng cho một thương hiệu xe hơi lớn muốn xác định liệu có mối quan hệ giữa thu nhập của một cá nhân và giá họ trả cho một chiếc xe hơi hay không. Như vậy, “thu nhập” của cá nhân là biến độc lập và “giá” họ trả cho một chiếc xe là biến phụ thuộc. Nhân viên bán hàng muốn sử dụng thông tin này để xác định những chiếc xe nào sẽ cung cấp cho khách hàng tiềm năng ở những khu vực mới nơi thu nhập trung bình được biết đến.

Thiết lập trong Thống kê SPSS
Trong SPSS Statistics, chúng tôi đã tạo hai biến để chúng tôi có thể nhập dữ liệu của mình: Thu nhập (biến độc lập) và Giá (biến phụ thuộc). Trong hướng dẫn hồi quy tuyến tính nâng cao của chúng tôi, chúng tôi chỉ cho bạn cách nhập chính xác dữ liệu vào SPSS Statistics để chạy hồi quy tuyến tính khi bạn cũng đang kiểm tra các giả định.

Quy trình chạy hồi quy tuyến tính trong SPSS

B1: Analyze > Regression > Linear…

B2: Đưa biến phụ thuộc Giá (Price) vào ô Dependent, và biến độc lập Thu nhập (Income) vào ô Independent(s)

B3: CHọn các giá trị như hình bên dưới. Sau đó nhấn Continue và OK

Kết quả:

SPSS Statistics sẽ tạo ra một vài bảng đầu ra cho hồi quy tuyến tính. Trong phần này, chúng tôi chỉ cho bạn thấy ba bảng chính cần thiết để hiểu kết quả của bạn từ quy trình hồi quy tuyến tính, giả sử rằng không có giả định nào bị vi phạm. Một lời giải thích đầy đủ về đầu ra mà bạn phải giải thích khi kiểm tra dữ liệu của mình cho sáu giả định cần thiết để thực hiện hồi quy tuyến tính được cung cấp trong hướng dẫn nâng cao của chúng tôi. Điều này bao gồm các biểu đồ tán xạ có liên quan, biểu đồ (với đường cong bình thường chồng chất), Lô PP bình thường, chẩn đoán casewise và thống kê Durbin-Watson. Dưới đây, chúng tôi chỉ tập trung vào các kết quả cho phân tích hồi quy tuyến tính.

Bảng quan tâm đầu tiên là bảng Tóm tắt Mô hình , như được hiển thị bên dưới:


Bảng này cung cấp giá trị 22 g cho biết có bao nhiêu trong tổng số thay đổi trong biến phụ thuộc, Giá , có thể được giải thích bởi các biến độc lập, thu nhập . Trong trường hợp này, 76,2% có thể được giải thích, rất lớn.

Bảng tiếp theo là bảng ANOVA , báo cáo phương trình hồi quy phù hợp với dữ liệu như thế nào (nghĩa là dự đoán biến phụ thuộc) và được hiển thị bên dưới:


Bảng này chỉ ra rằng mô hình hồi quy dự đoán biến phụ thuộc đáng kể. Làm sao chúng ta biết được điều này? Nhìn vào hàng ” Hồi quy ” và đi đến cột ” Sig. “. Điều này cho thấy ý nghĩa thống kê của mô hình hồi quy đã được chạy. Ở đây, p <0,0005, nhỏ hơn 0,05 và chỉ ra rằng, về tổng thể, mô hình hồi quy dự đoán đáng kể về mặt thống kê biến số kết quả (nghĩa là nó phù hợp với dữ liệu).

Bảng Hệ số cung cấp cho chúng tôi thông tin cần thiết để dự đoán giá từ thu nhập, cũng như xác định xem thu nhập có đóng góp đáng kể về mặt thống kê cho mô hình hay không (bằng cách xem cột ” Sig. “). Hơn nữa, chúng ta có thể sử dụng các giá trị trong cột ” B ” trong cột ” Hệ số không chuẩn hóa “, như được hiển thị bên dưới:


để trình bày phương trình hồi quy : Giá = 8287 + 0,564 (Thu nhập)

Thông tin Hỗ trợ luận văn

Tôi luôn mong muốn mang đến sự thành công cho tất cả mọi người. Phương châm sống "Càng hiểu biết, con người càng tự do"

Cũng Xem

[SPSS] Cronbach’ Alpha: đo lường độ tin cậy thang đo

Cronbach ‘alpha, α (hoặc hệ số alpha ), được phát triển bởi Lee Cronbach vào năm 1951, …

Leave a Reply