多元回归分析在实际生活中的应用
随着生活水平的提高，人们越来越注重生存环境的质量。然而，过多的环境污染已使我们的天空变得混浊不堪，雾霾的出现给居民的生活带来了不可估量的影响。作为我国首都，北京市的经济发达，但环境状况令人堪忧。
本文通过对北京环境数据的分析，利用Pearson相关系数结合SPSS使用得出影响北京市PM2.5浓度的主要影响因素是SO2，CO，NO2，PM10。为建立PM2.5与各因素之间的回归方程，首先对各因素进行共线性判断，以保证模型的精确性，结果表明CO与NO2之间存在较高的共线性。为解决这一问题，本文利用两种方法，分别是逐步回归和主成分回归，来降低共线性对模型的影响。通过对比两种方法的结果，可以很明显地看出，主成分回归比逐步回归有较好的拟合效果。
关键词：SPSS； Pearson相关系数；共线性诊断；逐步回归； 主成分回归
*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】
