1、　中国是一个历史悠久的国家，当然，在这悠久的历史当中也有很多值得我们去回味，很多人就比较喜欢中国的传统文化，所以那些喜欢古老文化的人就喜欢一些比较仿古的家具，而在制作仿古家具时，选用制作木材对于仿古家具来说至关重要，那么你对仿古家具的了解有多少呢?你知道在制作仿古家具时常用的木材有哪些吗?你知道制作仿古家具时使用哪种木材更好吗?　　　　仿古家具常用木材有哪些?　　紫檀木　　紫檀木产自印度、菲律宾、广东、马来半岛、泰国，属常绿亚乔木，是我国自古以来认为贵重的木材。

1、数据导入。以本案为例，单击“打开数据文档”，将xls格式的全国各地区能源消耗量与产量的数据导入SPSS中，如图：。

2、数据标准化。由于本次数据的单位不尽相同，我们需要将数据标准化，在描述性统计上，勾选上“将标准化得分另存为变量”。。

3、参数设置。我们本次实验主要考察地区能源消费总额（因变量）与煤炭消费量、焦炭消费量、原油消费量、原煤产量、焦炭产量、原油产量之间的关系。以下的回归分析所涉及只包括以上几个变量，并使用标准化之后的数据。参数设置中，单击菜单栏“”-->“”-->“”，将弹出如图所示的对话框，将通过选择因变量和自变量来构建线性回归模型。因变量：标准化能源消费总额；自变量：标准化煤炭消费量、标准化焦炭消费量、标准化原油消费量、标准化原煤产量、标准化焦炭产量、标准化原油产量。自变量方法选择：进入，个案标签使用地名，不使用权重小二乘法回归分析—即WLS权重为空。。

4、设置统计量的参数。选中估计可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta。选中模型拟合度复选框：模型拟合过程中进入、退出的变量的列表，以及一些有关拟合优度的检验：R，R2和调整的R2,标准误及方差分析表。。

5、在设置绘制选项的时候，我们选择绘制标准化残差图，其中的正态概率图是rankit图。同时还需要画出残差图，Y轴选择：ZRESID，X轴选择:ZPRED。。

6、许多时候我们需要将回归分析的结果存储起来，然后用得到的残差、预测值等做进一步的分析，“保存”按钮就是用来存储中间结果的。可以存储的有：预测值系列、残差系列、距离（Distances）系列、预测值可信区间系列、波动统计量系列。本次实验暂时不保存任何项。。

7、设置回归分析的一些选项，有：步进方法标准单选钮组：设置纳入和排除标准，可按P值或F值来设置。在等式中包含常量复选框：用于决定是否在模型中包括常数项，默认选中。。

8、在以上选项设置完毕之后点击确定，SPSS将输出一系列的回归分析结果。我们来逐一贴出和分析，并根据它得到后的回归方程以及验证回归模型。模型汇总结果：。

9、回归方程的系数。根据这些系数我们能够得到完整的多元回归方程。观测以下的回归值，都是具有统计学意义的。因而，得到的多元线性回归方程：Y=0.008+061x1+0.087x2+0.157x3-0.365x4-0.105x5-0.017x6 （x1为煤炭消费量，x2为焦炭消费量，x3为原油消费量，x4为原煤产量，x5为原炭产量，x6为原油产量，Y是能源消费总量）结论：能量消费总量由主要与煤炭消费总量所影响，成正相关；与原煤产量成一定的反比。。

10、模型适合性检验。主要是残差分析。残差图是散点图，可以看出各散点随机分布在e=0为中心的横带中，证明了该模型是适合的。同时我们也发现了两个异常点，就是广东省和四川省，这种离群点是值得进一步研究的。。

1、多元线性回归打开数据，依次点击、analyse--regression，打开多元线性回归对话框。

2、将因变量和自变量放入格子的列表里，上面的是因变量，下面的是自变量。

3、设置回归方法，这里选择简单的方法、enter，它指的是将所有的变量一次纳入到方程。

4、其他方法都是逐步进入的方法。

5、等级资料，连续资料不需要设置虚拟变量。

6、多分类变量需要设置虚拟变量。

7、选项里面至少选择95%CI。

8、点击ok。

9、统计专业研究生工作室原创，请勿复杂粘贴。

1、多元线性回归打开数据，依次点击、analyse--regression，打开多元线性回归对话框。

2、将因变量和自变量放入格子的列表里，上面的是因变量迅如，下面的是自变量。

3、设置回归方法，这里选择简单的方法、enter，它指的是将所有的变量一次纳入到方程。

4、其他方法都是逐步进入的方法。

5、等级资料，连续资料不需要设置虚拟变量。

6、多分类变量迅瞎需要设置虚拟变量。

7、虚拟亩昌空变量ABCD四类，以a为参考，那么解释就是b相对于a有无影响，c相对于a有无影响，d相对于a有无影响。

8、选项里面至少选择95%CI。

9、点击ok。

10、统计专业研究生工作室原创，请勿复杂粘贴。

1、运行软件，输入演示数据，如下图所示。。

2、选择菜单分析>回归>线下，弹出线性回归参数设置窗口。。

3、设置广告为自变量，销售额为因变量。。

4、选择选项，本经验就模型残差进行DurbinWatson检验，用于判断残差是否独立，作为一个基础条件来判断数据是否适合做线性回归。。

5、点击绘制，对参数进行设置，本经验勾选直方图和正态概率图，同样用于判断数据是否适合进行线性回归。。

6、点击保存按钮，本经验为了利用广告费用来预测销售量，保存按钮参数与预测和残差有关，可以勾选【未标准化】预测值。。

7、选项按钮中直接使用默认参数即可。。

8、下图第3列R方为判定系数，一般认为需要大于60%，用于判定线性方程拟合优度的重要指标，体现了回归模型解释因变量变异的能力，越接近1越好。从结果中可以看出值为0.9初步判断模型拟合效果良好。。

9、方差分析的显著性值=0.000<0.01<0.0表明由自变量“广告费用”和因变量“销售量”建立的线性关系回归模型具有极显著的统计学意义，即增加广告费用可销售量这样的线性关系显著。。

10、下图建模的直接结果，读取未标准化系数，我们可以轻松写出模型表达式，如下：Y=991+503X这里关键要看自变量广告费用的回归系数是否通过检验，t检验原假设回归系数没有意义，由后一列回归系数显著性值=0.000<0.01<0.0表明回归系数b存在，有统计学意义，广告费用与销售量之间是正比关系，而且极显著。。

11、上面已经得出回归逻辑公式，接下来我们需要检验数据是否可以做回归分析，它对数据的要求是苛刻的，有必要就残差进行分析。从标准化残差直方图来看，，左右两侧不完全对称；从标准化残差的P-P图来看，散点并没有全部靠近斜线，并不。综合而言，残差正态性结果不是好的，当然在现实分析当中，理想状态的正态并不多见，接近或近似即可考虑接受。。

12、模型残差独立性检验。DW=4查询DurbinWatsontable可以发现本例DW值恰好出在无自相关性的值域之中，认定残差独立，通过检验。。

13、预测。这一步直接使用公式输入即可算出。至此，建立了广告和销售量之间的线性回归模型，并且实施了预测，那么模型的准确性到底如何呢，有待终实际销售比对分析。。

1、运行软件，输入演示数据，如下图所示。

1、线性回归分析的内容比较多，比如回归方程的拟合优度检验、回归方程的显著性检验、回归系数的显著性检验、残差分析、变量的筛选问题、变量的多重共线性问题。。

2、操作见图。回归分析通常需要多次试验操作才可以得出较好的模型。“方法”中选择“进入”，表示所有的自变量都进入模型，目前还没有考虑到变量的多重共线问题，要先观察初步的结果分析，才会考虑发哦变量的多重共线问题。。

3、通过观察调整后的判定系数0.9拟合优度较高，不被解释的变量较少。由回归方程显著性检验的概率为0，小于显著性水平0.0则认为系数不同时为0，被解释变量与解释变量全体的线性关系是显著的，可建立线性方程。由系数表知，观察回归系数显著性检验中的概率值，如果显著性水平为0.0除去“投入人年数”外，其他变量均大于显著性水平，这些变量保留在方程中是不正确的。所以该模型不可用，应重新建模。。

4、重新建模操作见图片，采用的是“向后筛选”方法，依次剔除的变量是专著数、投入高级职称的人年数、投入科研事业费、获奖数、论文数。后的模型结果是“立项课题数=-524+0.492x投入人年数”。。

5、残差分析：又P-P图可知，原始数据与正态分布的不存在显著的差异，残差满足线性模型的前提要求。由库克距离（0.041小于1）和杠杆指变量的值知，没有显著的差异。残差点在0线周围随机分布。。

1、首先进入线性回归对话框： 点击功能菜单选择分析-回归-线性，弹出线性回归设置对话框，对话框左侧是文件中包含的可使用的变量列表。。

2、然后设置需要的自变量和因变量： 此处一定要搞清楚自变量和因变量的区别，可简单理解为自变量是因变量的影响因素； 一元线性回归即只有一个自变量，多元线性回归则指含有多个自变量； 此处举例为某焚烧炉中烟气里二噁英的排放浓度的影响因素的回归分析，假设影响因素有颗粒物PM、焚烧炉焚烧能力和建造时间，所以将二噁英Dioxin作为因变量，影响因素PM、焚烧能力和建造时间作为自变量。。

3、接下来选择方法： 方法有输入、步进、除去、后退和前进五种； 输入是指强迫进入法，即按照SPSS文件中数据出现的先后顺序，强制在模型分析中数据的进入按照该顺序进行，是系统默认的进入方法，也是一元线性回归分析中常用的方法； 步进则分为顺向选择和反向剔除，顺向选择是指按照自变量和因变量数据的关系密切程度由高到低进入回归分析的方法，反向剔除则是指先将所有自变量选入回归分析中，然后剔除与因变量关系小的自变量，步进是多元线性回归分析方法常用的方法。 后面提供的除去、后退和前进三种方法，由于精准度不如输入和步进，此处不做介绍。 举例中使用强迫进入法。。

4、单击右侧统计，进行统计参数设置： 选择估计则会输出有关回归系数的统计量，包括回归系数、回归系数的标准差、标准化的回归系数以及p值。 选择置信区间则会输出95%置信度的回归系数的范围； 选择协方差矩阵则会输出解释变量的相关系数矩阵和协差阵； 右侧的模型拟合度会输出模型的可决系数、调整的可决系数、回归方程的标准误差、回归方程的F检验方差分析。 设置完毕后单击继续。。

5、单击右侧图，可设置分析报告中出现的图表。 设置完毕单击继续。。

6、单击保存选项，对需要进一步分析的回归系数进行分析。 举例中选择未标准化的残差进行进一步分析。 设置完毕单击继续。。

7、单击选项，是为了设置选择步进的顺序选择方法时，自变量进入的规则，以及是否输出常数项等。 设置完毕后单击继续。。

8、选项设置完成后，单击确定，即可生成分析报告。。