毕业论文多元线性回归

多元回归中，自变量对因变量有没有影响，影响大小，主要看显著性检验，即P值。P值小于，则通过了检验，认为该因素对因变量有显著影响。对于通过了影响的自变量，如果要比较哪个影响大，哪个影响小，除了看符号的正负外，还可以看标准后的回归系数。

多元回归分析中，首先要看X对Y有没有呈现出显著性影响，如果说自变量X已经对因变量Y产生显著影响(P< )，还想对比影响大小，可使用标准化系数( Beta)值的大小对比影响大小，Beta值大于0时正向影响，该值越大说明影响越大。Beta值小于0时负向影响，该值越小说明影响越大。多元回归分析可以用网页版SPSSAU中的线性回归分析即可，同时输出的智能文字分析可自动解读分析结果。

1、多元线性回归的理论主体。2、多元线性回归模型的标准形式，多元线性回归模型的参数估计。3、多元线性回归模型的检验和预测原理。

可以说明，看标准回归系数，直接用SPSS回归分析，就可以得出各个自变量与因变量的相关系数。

多元回归分析中，首先要看X对Y有没有呈现出显著性影响，如果说自变量X已经对因变量Y产生显著影响(P< )，还想对比影响大小，可使用标准化系数( Beta)值的大小对比影响大小，Beta值大于0时正向影响，该值越大说明影响越大。Beta值小于0时负向影响，该值越小说明影响越大。

如果它不是线性的，你可以通过一些变换使它线性化，然后你可以用多元线性回归建模。变量之间的某些相关性是正常的，只要不存在多重共线性。

如果我们只需要探究自变量和因变量之间的关系，而不需要根据自变量的值来预测因变量的区间，则可以放宽方差的正态性和同质性。回归并不一定意味着因果关系。

两连续变量线性回归模型的适用条件：

（1）线性趋势：自变量与因变量之间为线性关系，可通过散点图判断；

（2）独立性：因变量Y的值是相互独立的，它们之间没有联系。即残差必须相互独立且不存在自相关；否则，应采用自回归模型；

（3）正态性：因变量Y服从正态分布，即残差要求服从正态分布。