本文將針對(duì)分析過(guò)后的數(shù)據(jù)進(jìn)行詳細(xì)解讀。在解讀過(guò)程中，我們需要求得方程式的系數(shù)，并判斷系數(shù)的擬合程度、方程式的統(tǒng)計(jì)學(xué)意義。

一、使用的數(shù)據(jù)

本文分析所用的數(shù)據(jù)是一組包含客流量與銷(xiāo)售額的數(shù)據(jù)，研究的是以客流量為自變量、銷(xiāo)售額為因變量的線性關(guān)系。

圖1：示例數(shù)據(jù)

二、解讀檢驗(yàn)結(jié)果

1.模型擬合效果

模型摘要中的R方是判定系數(shù)，其數(shù)值越接近于1，表明方程的擬合優(yōu)度越好，一般需要大于0.6。

從如圖2所示的模型摘看到，求得的一元線性回歸方程的R方為0.839，說(shuō)明本例分析所得的回歸方程擬合效果良好。

圖2：模型摘要

在判定回歸方程擬合優(yōu)度良好的情況下，查看ANOVA分析中的“回歸模型”方差分析。如圖3所示，“回歸模型”的顯著性值為0.00<0.05，說(shuō)明該“回歸模型”具有顯著的統(tǒng)計(jì)學(xué)意義，也就是說(shuō)，客流量與銷(xiāo)售額之間存在著顯著的線性回歸關(guān)系。

圖3：ANOVA檢驗(yàn)2.構(gòu)建模型表達(dá)式

在判定回歸模型具有顯著統(tǒng)計(jì)學(xué)意義的前提下，進(jìn)一步檢驗(yàn)求得的系數(shù)是否通過(guò)T檢驗(yàn)。該T檢驗(yàn)的原假設(shè)為求得的回歸系數(shù)不具有統(tǒng)計(jì)學(xué)意義。

如圖4所示，可以看到回歸系數(shù)（客流量對(duì)應(yīng)的系數(shù)）的顯著性數(shù)值為0.00<0.05，拒絕原假設(shè)，也就是說(shuō)方程的回歸系數(shù)具有統(tǒng)計(jì)學(xué)意義，可構(gòu)建y=12.821x-2644.658的一元線性回歸方程。

圖4：選擇變量

3.殘差相關(guān)性分析

通過(guò)上述的分析，我們已經(jīng)可以認(rèn)為構(gòu)建的一元線性回歸方程y=12.821x-2644.658具有統(tǒng)計(jì)學(xué)意義，但是否可用于預(yù)設(shè)因變量的值，還需要通過(guò)殘差相關(guān)性分析。如果殘差存在自相關(guān)的話，模型的預(yù)測(cè)準(zhǔn)確度將會(huì)不高。

如圖5所示，模型的D-W值（德賓-沃森值）為2.060，查閱德賓-沃森表得到，樣本量n=198（采用200樣本量D-W值），控制變量數(shù)量k=1，其下臨界值LD=1.664、上臨界值UD=1.684。

根據(jù)D-W值的判定規(guī)則，本例的D-W值符合“如果UD

圖5：D-W檢驗(yàn)

另外，再通過(guò)殘差直方圖看到，殘差的分布趨近于正態(tài)曲線的分布。

圖6：殘差直方圖

再結(jié)合正態(tài)P-P圖分析，可以看到，數(shù)值的分布近似于直線，說(shuō)明殘差的正態(tài)性良好。

在滿(mǎn)足殘差無(wú)自相關(guān)性、服從正態(tài)分布的前提下，說(shuō)明本例構(gòu)建的一元線性回歸方程具有良好的預(yù)測(cè)性，可通過(guò)為自變量代入數(shù)值，求得預(yù)測(cè)的因變量。

圖7：殘差P-P圖

三、小結(jié)

綜上所述，在使用IBM SPSS Statistics構(gòu)建一元線性回歸方程時(shí)，需要通過(guò)判定系數(shù)R方判斷回歸方程的擬合優(yōu)度，并檢驗(yàn)回歸方程、方程系數(shù)的是否具有統(tǒng)計(jì)學(xué)意義。