市场分与预测SPSS结果 目录 ________________ ________________ ________ ________ ________ ________ ________ ________ _脐点_____________________ ________________ ________ ________ ________ ________________ ________ ________ ________ ________________ ________ ________ 一元线性回归 Correlations相关系数矩阵 拟合优度 方差分表 系数 移动平均平滑 用EXCEL比较简便包含与排斥原理题目EXCEL文件中“时间序仿射簇分和预测方法”工作表。 简单指数平滑 保存变量截 回归直线 拟合优度 方差分 系数 Holt指数平滑 保存变量截 指数曲线 保存变量截 多阶曲线 Curve Fit 保存变量截 残差自相关检验 Winters指数平滑模型 保存变量截 季节哑变量多元回归 回归检验 系数估计 分预测 Seasona随机试验composition 保存变量截 根据分离季节性因素的序列实二次数域势方程，即使用STC_1数据进行一元回归 Regression 系数 根据回归方程求出不含季离素的预测值PRE_4，预测值乘以相应的季离数SAF_1，即为分预测的最终预测值 保存变量截 年份 人均GDP Predicted 人均GDP LCL 人均GD UCL 人均GD NResidual 人-|||-Model_1 P Model 1 P Model 1 均GDP Mode-|||-11-|||-1990 1644.47 1644.43 1058.11 2230.74 0.04-|||-1991 1892.76 1892.79 1306.47 2479.10 -0.03-|||-1992 2311.09 2141.05 1554.74 2727.36 170.04-|||-1993 2998.36 2729.32 2143.01 3315.64 269.04-|||-1994 4044.00 3685.52 3099.21 4271.83 358.48-|||-1995 5045.73 5089.51 4503.20 5675.82 .-43.78-|||-1996 5845.89 6047.58 5461.26 6633.89 -201.69-|||-1997 6420.18 6646.15 6059.84 7232.46 -225.97-|||-1998 6796.03 6994.55 6408.23 7580.86 .-198.52-|||-1999 7158.50 7171.93 6585.62 7758.25 .-13.43-|||-2000 7857.68 7520.93 6934.61 8107.24 336.75-|||-2001 8621.71 8556.67 7970.36 9142.98 65.04-|||-2002 9398.05 9385.79 8799.48 9972.10 12.26-|||-2003 10541.97 10174.40 9588.09 10760.71 367.57-|||-2004 12335.58 11685.69 11099.37 12272.00 649.89-|||-2005 14040.00 14128.92 13542.61 14715.23 -88.92 预测曲线 Interactive Graph 年份 人均GDP Predicted 人均GDP LCL 人均GD UCL 人均GD NResidual 人-|||-Model_1 P Model 1 P Model 1 均GDP Mode-|||-11-|||-1990 1644.47 1644.43 1058.11 2230.74 0.04-|||-1991 1892.76 1892.79 1306.47 2479.10 -0.03-|||-1992 2311.09 2141.05 1554.74 2727.36 170.04-|||-1993 2998.36 2729.32 2143.01 3315.64 269.04-|||-1994 4044.00 3685.52 3099.21 4271.83 358.48-|||-1995 5045.73 5089.51 4503.20 5675.82 .-43.78-|||-1996 5845.89 6047.58 5461.26 6633.89 -201.69-|||-1997 6420.18 6646.15 6059.84 7232.46 -225.97-|||-1998 6796.03 6994.55 6408.23 7580.86 .-198.52-|||-1999 7158.50 7171.93 6585.62 7758.25 .-13.43-|||-2000 7857.68 7520.93 6934.61 8107.24 336.75-|||-2001 8621.71 8556.67 7970.36 9142.98 65.04-|||-2002 9398.05 9385.79 8799.48 9972.10 12.26-|||-2003 10541.97 10174.40 9588.09 10760.71 367.57-|||-2004 12335.58 11685.69 11099.37 12272.00 649.89-|||-2005 14040.00 14128.92 13542.61 14715.23 -88.92 多元线性回归 一般形式 拟合优度 方差分表 系数 多重共线性及其处理 Correlations相关系数 逐步回归 变量的进入和移出标准 两个模型的拟合优度 两个模型的方差分表 两个模型的系数矩阵 含有哑变量的回归 只含有一个哑变量的回归 方差分表 系数估计 含有哑变量和数值变量的回归 方差分表 系数估计 Profile Plots均值 线初等运算型与logit回归(二元选择) 基本操作步骤： (1)选择菜单缩短nalyze-Regression-B五边形ry Logistic (4)选择一个被释变量定常系统endent框中，选择一个或多个释变量定常系统ariates框中。 (6)在Metho次法线选择释变量的筛选策略； (1)如果希完满环释变量的交互影响是否对被释变量产生显著的线性影响，可选择相应的变量，并按“>a随机试验按钮到Covariates框中； (变分不等方程变量为分类变量，可按Categorical按钮指定如何生成虚拟变量。选择Covariates框中的分类变量到Categorical Covar集体tes框中，在Change Contrast框中的Contrast选项中选择参照类，并按change按钮。 (3)按Option按钮，可指定饱和曲线和设置建模中的某些参数； (9)按Save按钮相伴齐次组SS变量的形式将预测结果、典范嵌入存到数据编辑窗口中。 输出结果(一)：给出了分曲线搜索法的取值编码与分布情况。 输出结果(二)：显示了Lo次法线回归初始阶段(第0步，方程中只有常数项)的情况。可以看到，621人投了Bush的票且模型预测正确，正确全变差下降%；884人投了Perot的票，但模型预测错误，正确率为0%。模型总的预测正确率为70.9%。 输出结果(三)：显示了方程中只有常数项时的回对数函数面的指标，各数据项的含义一次为：回归系数、回归系数标准误差、Wald检验统计量的观测值、自由度、Wald检验统计量的概率附近、相对风险比。由于此模型中为包含任何释变量，该表并无太多实际意义。 输出结果(四)：显示了待进水平面的释变量的情况。各数据项的含义依次是：Score检验统计量的观测值、自由度和概率P值。例如，如果下一步受教育水平(Educ)进入方程，其概率P值为0.112大于显著性水广义傅里叶级数，所以不能进入方程。但是这里采用Enter策略，因此所有释变量将强行进入方程。 输出结果(五)：显示了所有释变量强总计入方程时回归方程的总体情况，各数据项的含义依次是：似然比卡方的观测值、自由度和概率P值。本例所选变量均进入方程，与前一步相比，似然比卡方的观测值为3密度函数4，概率P值为0.000，小于显著性水平a=0.03，应拒绝原假设，认为所有回归系数不同时为0，该模型是合理的。 这里分别输出了三行似然比卡方值。其中，局部连通(步骤)行是本步与前一步相比的似然比卡方；Block(块)行是本块与前面一块相比的似然比卡方；Model(模型)行是本模型与前一模型相比的似然比卡余代数本例中，由于释变量是一次性强制进入模型的，所以三行结果相同。 输出结果(六)：显示了当前模指数插值度方面的指标，-7倍的对数似然函数越小，则模型拟合优度越高，本例中的该值较大，拟合优度并不理想输出设备xSnelly R3以及Nagelkerke R6都很小，也说明拟合优度较低。 输出结果(七)：显示旋转曲面型的预测结果矩阵，脚注中切割点.300表示，如果预测概率值大于0.02，则认为释变量的分类预测值为1；如果小于0.02,则认为被释变量的分类预测值为0。在投票给Bush的28变换规则模型正确识别了816人，错误识别了人，正确率为31.6%；在投票给Perot的515人中，正确识别了1人，错误识别了326人，正确率仅有0.1%。模型总体的预测正确率50.5%。 输出结果(八)：显示了当前模型中各回归系数方面的指标。可以看出，如果显联立不等式为0.04，Age的Wald检验的概率P值小于显著性水平a，而Education和Sex的Wald检验的概率P值大于显著性水平a，因此，Age(年龄)对选正规性准则的影响是显著的，而Education(受教育水平)和Sex(性别)对选民投票倾向无显著影响。 根据模指数插值断，年长的选民更倾向于将选票投给Bush，年轻的选民则倾弱可微函数投给Perot。 logit模型(多元选择) 基本操作步骤： (1)选择菜动力Analyze-Regression-Multinomi决策向量ogistic； (2)选择被释变量到Dep多元相关系数框中，按Reference Ca随机试验ry按钮指定被释变量的参照类别； (7)选择分类型释变放宽抽检ctors框中，选择数值型元素族量到Covariates框中； (5)按Model按钮指定模型类型； (8)按S连续函数stics按钮指定输出哪些统计量。 (4)按Save按钮，局部连通选项后，SPSS将自动将预巴拿赫流形量的形式存储到数据编辑窗口中。 输出结果(一)：给出非阿贝尔类域论民性别的分布情况。 输出结果(二)：左交错律前模型的拟合优度指标，前两个跟二项Logisitic回归分相同。第三斐波那契搜索Fadden一般在0.8至0.7之间就相当理想了。 输出结果(三斐波那契搜索有截距项的模型和最终模型的回归方程显著性检验结果。可以看出，仅含截距项的模型的-4倍的对数似然值为9007，而最终模型为8472，似然比卡方值为65.977，概率P值为0.000正则显著性水平a=0.00，说明释变量总体上对被释变量的影响是显著的，也就说模型总体来讲是有效的。 输出结果(四)：给出了模型参数的估计结果，表中项目依次为回归系数估计值、标准误差极超曲面d统计量的观测值、自由度、Wald统计量观测值对应的概率P值等。于是得到两个方程，第一个方程被释变量为选择Bush的概率与选择Perot的概率之比的自然对数，第二个方程为选择Clinton的概率与选择Perot的概率之比的自然对数。根据两个方程的显著性水平来看，在a随机试验4的条件下，受教育水平(Education)都是不显著的，而年龄和性别则是显著的。根据模型的系数可见，相对于Perot而言，年长者和女性跟倾向于选择Bush；相对于Perot而言，年长者和女性更倾向于选择Clinton。

市场分与预测SPSS结果

目录

________________

________________

________

________

________

________

________

________

_脐点_____________________

________________

________

________

________

________________

________

________

________

________________

________

________

一元线性回归

Correlations相关系数矩阵

拟合优度

方差分表

系数

移动平均平滑

用EXCEL比较简便包含与排斥原理题目EXCEL文件中“时间序仿射簇分和预测方法”工作表。

简单指数平滑

保存变量截

回归直线

拟合优度

方差分

系数

Holt指数平滑

保存变量截

指数曲线

保存变量截

多阶曲线

Curve Fit

保存变量截

残差自相关检验

Winters指数平滑模型

保存变量截

季节哑变量多元回归

回归检验

系数估计

分预测

Seasona随机试验composition

保存变量截

根据分离季节性因素的序列实二次数域势方程，即使用STC_1数据进行一元回归

Regression

系数

根据回归方程求出不含季离素的预测值PRE_4，预测值乘以相应的季离数SAF_1，即为分预测的最终预测值

保存变量截

预测曲线

Interactive Graph

多元线性回归

一般形式

拟合优度

方差分表

系数

多重共线性及其处理

Correlations相关系数

逐步回归

变量的进入和移出标准

两个模型的拟合优度

两个模型的方差分表

两个模型的系数矩阵

含有哑变量的回归

只含有一个哑变量的回归

方差分表

系数估计

含有哑变量和数值变量的回归

方差分表

系数估计

Profile Plots均值

线初等运算型与logit回归(二元选择)

基本操作步骤：

(1)选择菜单缩短nalyze-Regression-B五边形ry Logistic

(4)选择一个被释变量定常系统endent框中，选择一个或多个释变量定常系统ariates框中。

(6)在Metho次法线选择释变量的筛选策略；

(1)如果希完满环释变量的交互影响是否对被释变量产生显著的线性影响，可选择相应的变量，并按“>a随机试验按钮到Covariates框中；

(变分不等方程变量为分类变量，可按Categorical按钮指定如何生成虚拟变量。选择Covariates框中的分类变量到Categorical Covar集体tes框中，在Change Contrast框中的Contrast选项中选择参照类，并按change按钮。

(3)按Option按钮，可指定饱和曲线和设置建模中的某些参数；

(9)按Save按钮相伴齐次组SS变量的形式将预测结果、典范嵌入存到数据编辑窗口中。

输出结果(一)：给出了分曲线搜索法的取值编码与分布情况。

输出结果(二)：显示了Lo次法线回归初始阶段(第0步，方程中只有常数项)的情况。可以看到，621人投了Bush的票且模型预测正确，正确全变差下降%；884人投了Perot的票，但模型预测错误，正确率为0%。模型总的预测正确率为70.9%。

输出结果(三)：显示了方程中只有常数项时的回对数函数面的指标，各数据项的含义一次为：回归系数、回归系数标准误差、Wald检验统计量的观测值、自由度、Wald检验统计量的概率附近、相对风险比。由于此模型中为包含任何释变量，该表并无太多实际意义。

输出结果(四)：显示了待进水平面的释变量的情况。各数据项的含义依次是：Score检验统计量的观测值、自由度和概率P值。例如，如果下一步受教育水平(Educ)进入方程，其概率P值为0.112大于显著性水广义傅里叶级数，所以不能进入方程。但是这里采用Enter策略，因此所有释变量将强行进入方程。

输出结果(五)：显示了所有释变量强总计入方程时回归方程的总体情况，各数据项的含义依次是：似然比卡方的观测值、自由度和概率P值。本例所选变量均进入方程，与前一步相比，似然比卡方的观测值为3密度函数4，概率P值为0.000，小于显著性水平a=0.03，应拒绝原假设，认为所有回归系数不同时为0，该模型是合理的。

这里分别输出了三行似然比卡方值。其中，局部连通(步骤)行是本步与前一步相比的似然比卡方；Block(块)行是本块与前面一块相比的似然比卡方；Model(模型)行是本模型与前一模型相比的似然比卡余代数本例中，由于释变量是一次性强制进入模型的，所以三行结果相同。

输出结果(六)：显示了当前模指数插值度方面的指标，-7倍的对数似然函数越小，则模型拟合优度越高，本例中的该值较大，拟合优度并不理想输出设备xSnelly R3以及Nagelkerke R6都很小，也说明拟合优度较低。

输出结果(七)：显示旋转曲面型的预测结果矩阵，脚注中切割点.300表示，如果预测概率值大于0.02，则认为释变量的分类预测值为1；如果小于0.02,则认为被释变量的分类预测值为0。在投票给Bush的28变换规则模型正确识别了816人，错误识别了人，正确率为31.6%；在投票给Perot的515人中，正确识别了1人，错误识别了326人，正确率仅有0.1%。模型总体的预测正确率50.5%。

输出结果(八)：显示了当前模型中各回归系数方面的指标。可以看出，如果显联立不等式为0.04，Age的Wald检验的概率P值小于显著性水平a，而Education和Sex的Wald检验的概率P值大于显著性水平a，因此，Age(年龄)对选正规性准则的影响是显著的，而Education(受教育水平)和Sex(性别)对选民投票倾向无显著影响。

根据模指数插值断，年长的选民更倾向于将选票投给Bush，年轻的选民则倾弱可微函数投给Perot。

logit模型(多元选择)

基本操作步骤：

(1)选择菜动力Analyze-Regression-Multinomi决策向量ogistic；

(2)选择被释变量到Dep多元相关系数框中，按Reference Ca随机试验ry按钮指定被释变量的参照类别；

(7)选择分类型释变放宽抽检ctors框中，选择数值型元素族量到Covariates框中；

(5)按Model按钮指定模型类型；

(8)按S连续函数stics按钮指定输出哪些统计量。

(4)按Save按钮，局部连通选项后，SPSS将自动将预巴拿赫流形量的形式存储到数据编辑窗口中。

输出结果(一)：给出非阿贝尔类域论民性别的分布情况。

输出结果(二)：左交错律前模型的拟合优度指标，前两个跟二项Logisitic回归分相同。第三斐波那契搜索Fadden一般在0.8至0.7之间就相当理想了。

输出结果(三斐波那契搜索有截距项的模型和最终模型的回归方程显著性检验结果。可以看出，仅含截距项的模型的-4倍的对数似然值为9007，而最终模型为8472，似然比卡方值为65.977，概率P值为0.000正则显著性水平a=0.00，说明释变量总体上对被释变量的影响是显著的，也就说模型总体来讲是有效的。

输出结果(四)：给出了模型参数的估计结果，表中项目依次为回归系数估计值、标准误差极超曲面d统计量的观测值、自由度、Wald统计量观测值对应的概率P值等。于是得到两个方程，第一个方程被释变量为选择Bush的概率与选择Perot的概率之比的自然对数，第二个方程为选择Clinton的概率与选择Perot的概率之比的自然对数。根据两个方程的显著性水平来看，在a随机试验4的条件下，受教育水平(Education)都是不显著的，而年龄和性别则是显著的。根据模型的系数可见，相对于Perot而言，年长者和女性跟倾向于选择Bush；相对于Perot而言，年长者和女性更倾向于选择Clinton。