本文將針對分析過后的數據進行詳細解讀。在解讀過程中，我們需要求得方程式的系數，并判斷系數的擬合程度、方程式的統計學意義。

一、使用的數據

本文分析所用的數據是一組包含客流量與銷售額的數據，研究的是以客流量為自變量、銷售額為因變量的線性關系。

圖1：示例數據

二、解讀檢驗結果

1.模型擬合效果

模型摘要中的R方是判定系數，其數值越接近于1，表明方程的擬合優度越好，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，說明該“回歸模型”具有顯著的統計學意義，也就是說，客流量與銷售額之間存在著顯著的線性回歸關系。

圖3：ANOVA檢驗2.構建模型表達式

在判定回歸模型具有顯著統計學意義的前提下，進一步檢驗求得的系數是否通過T檢驗。該T檢驗的原假設為求得的回歸系數不具有統計學意義。

如圖4所示，可以看到回歸系數（客流量對應的系數）的顯著性數值為0.00<0.05，拒絕原假設，也就是說方程的回歸系數具有統計學意義，可構建y=12.821x-2644.658的一元線性回歸方程。

圖4：選擇變量

3.殘差相關性分析

通過上述的分析，我們已經可以認為構建的一元線性回歸方程y=12.821x-2644.658具有統計學意義，但是否可用于預設因變量的值，還需要通過殘差相關性分析。如果殘差存在自相關的話，模型的預測準確度將會不高。

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），控制變量數量k=1，其下臨界值LD=1.664、上臨界值UD=1.684。

根據D-W值的判定規則，本例的D-W值符合“如果UD

圖5：D-W檢驗

另外，再通過殘差直方圖看到，殘差的分布趨近于正態曲線的分布。

圖6：殘差直方圖

再結合正態P-P圖分析，可以看到，數值的分布近似于直線，說明殘差的正態性良好。

在滿足殘差無自相關性、服從正態分布的前提下，說明本例構建的一元線性回歸方程具有良好的預測性，可通過為自變量代入數值，求得預測的因變量。

圖7：殘差P-P圖

三、小結

綜上所述，在使用IBM SPSS Statistics構建一元線性回歸方程時，需要通過判定系數R方判斷回歸方程的擬合優度，并檢驗回歸方程、方程系數的是否具有統計學意義。