SPSSAI 数据统计分析平台 | AI 驱动
学习文章共 81 篇

SPSS 线性回归前提条件怎么检验:残差、共线性与异方差

方法教程更新于 2026-11-16约 4 分钟读完

线性回归前提条件,决定的是回归结果里 p 值和置信区间能不能信。样本量够不够、自变量是否共线、残差是否正态、方差是否齐、误差是否独立,需要结合设计与诊断核对;独立性等条件也依赖资料收集方式。下面用 102 家门店的演示数据,逐项说明看哪个数、多少算过关。

数据要怎么排

一行一家门店,因变量放「因变量 Y (定量)」,自变量放「自变量 X (定量/定类)」;分类自变量会自动做哑变量编码,丢掉一个基准水平。方法说明见线性回归 (最小二乘法)。

以下结果来自本站演示数据(模拟生成,不代表真实研究结论):因变量是月度销售额(万元),自变量是广告投入(万元)、门店面积(平米)、第三项营销指标,有效样本 102 家,缺失 0 家。本次从完整演示表随机抽取 102/120 行,种子为 19;它用于解释当前模型的诊断,不代表真实经营研究。复现时应保持抽样、列配置和单位一致,完整演示表的结果会有所不同。

线性回归前提条件怎么检验:三步

  1. 在方法列表里选「线性回归 (最小二乘法)」,把变量拖进对应的区。
  2. 点开始分析,先看第一张卡的前提检验表,每一行都有实测值和判定。
  3. 对照设计解释诊断结果,再读取系数与区间。开通会员后可导出 Word / PDF 报告、使用 AI 解读。

线性回归样本概览与前提检验报告卡截图

八项诊断逐项怎么读

前提检验表按下面的顺序逐项实算:

前提 看哪个统计量 本例实测 判定
样本量够 n、k、残差自由度 n=102,k=3,自由度 98 满足
每个自变量的观测数 n/k 不低于 10 34.00 满足
多重共线性 最大 VIF,5 以下良好 1.264 良好
残差正态 Shapiro-Wilk W=0.9857,p=0.342 未拒绝正态性
同方差 Breusch-Pagan LM=2.0941,p=0.553 未拒绝同方差
一阶自相关诊断 Durbin-Watson 1.7759 需结合观测排序
线性设定形式 Ramsey RESET F=0.6225,p=0.432 未拒绝当前设定
强影响点 Cook's D 大于 4/n 3 个,最大 0.0941 待敏感性核查

三个自变量的 VIF 分别为 1.171、1.264 和 1.116。样本数与变量数的比例、VIF 的界线均为经验诊断参照。Durbin-Watson 检查给定观测顺序下的一阶自相关,接近参照值不能证明门店之间相互独立;仍需结合抽样设计说明。Cook's D 的阈值 4/n 是 0.0392,检出 3 个观测超过它,这些标记的影响尚未解决,应核查原始记录并做保留与排除后的敏感性分析;最大值低于一也没有证明它们无害。

残差图怎么看

残差图把标准化残差画在拟合值上,理想形态是在 0 线上下无规律地均匀散布。喇叭形是异方差的典型形态,U 形或曲线形提示遗漏了非线性项。本例 Breusch-Pagan 与 RESET 都未检出偏离,但应分别核对残差图中的结构。正负 2 只是标准化残差的读图参照,不是自动删除观测的界线。

标准化残差与拟合值散点图

真实值与预测值对照图回答拟合程度,与残差图的诊断作用不同。横轴为样本序号;若门店没有时间顺序,折线起伏不应被解释为趋势或周期。

真实值与预测值对比折线图

结合上述诊断,再读取模型结果:模型整体 F(3, 98)=21.438,p<0.001,R² 为 0.3962,调整 R² 为 0.3777;只有广告投入显著,B 为 3.7109,95%CI [2.5312, 4.8907]。门店面积 p=0.075、第三项营销指标 p=0.051,均未达到 0.05。

效应量把贡献拆开:R² 的 95%CI 是 [0.2346, 0.5027],Cohen's f² 为 0.6563。广告投入的半偏 r² 为 0.2401,占 R² 的 60.59%;门店面积与第三项营销指标分别只有 0.0200 和 0.0241。各半偏贡献与整体解释率的关系取决于自变量的相关结构,差额不能直接当作每列的冗余程度。这些量都是样本内的描述量,不代表换一批数据的预测能力。

回归诊断中数据设计与估计推断的处理顺序

论文里怎么写

对 102 家门店做多元线性回归。未见严重共线;残差正态性(Shapiro-Wilk,p=0.342)、同方差性(Breusch-Pagan,p=0.553)及线性设定(RESET,p=0.432)均未被拒绝,Durbin-Watson 为 1.7759。Cook's D 超过 4/n 的观测有 3 个,最大为 0.0941。

线性回归常见错误

  • 只看 R²,不查前提:R² 高与预测准是两回事,前提不成立时 p 值和置信区间失去依据。
  • 把 p 大于 0.05 读成前提成立:它只说明没有检出偏离,样本小时本来就检不出。
  • 把标着未做的行当作通过:未做表示这项检验本次没执行。
  • 强影响点直接删:先看是否录入错误,再做剔除前后的对照。

延伸阅读

常见问题

线性回归前提条件有哪几项要检验?

样本量、共线性、残差正态、同方差、误差独立性、线性设定形式和强影响点。本站第一张卡把这些逐项实算,本例报告样本量及 VIF 作为诊断参照,分布检验未检出相应偏离;Cook 距离提示的三个观测仍需敏感性核查。

残差正态检验的 p 大于 0.05 就是正态吗?

只是没有拒绝正态假设,不是证明正态。本例 Shapiro-Wilk W 为 0.9857,p=0.342,未拒绝。样本大时轻微偏离也可能显著,要结合残差图一起看。

前提不成立时先坏的是什么?

影响取决于违反哪项条件:异方差会影响常规标准误,内生性或模型设定错误也可能影响系数。应先辨明问题,再讨论稳健推断、模型修订及结论范围。

同分类文章 · 方法教程

SPSS 协方差分析和方差分析的区别:加协变量后结果怎么变SPSS 方差分析和t检验的区别和联系:三组以上为何不能两两比SPSS 逻辑回归和线性回归的区别:因变量类型决定用哪个SPSS 中介效应三步法还能用吗:逐步检验与 Bootstrap 对照
回到学习文章,查看全部 81 篇 →