spss：得到一个多元线性回归模型之后，如何比较预测值和真实值？如何判断模型是否有预测能力？

1. spss：得到一个多元线性回归模型之后，如何比较预测值和真实值？如何判断模型是否有预测能力？

1、打开SPSS软件后点击右上角的【打开文件按钮】打开你需要分析的数据文件。

2、接下来就是开始做回归分析建立模型，研究其变化趋势，因为回归分析分为线性回归和非线性回归，分析它们的办法是不同的，所以先要把握它们的变化趋势，可以画散点图，点击【图形】---【旧对话框】---【散点/点状】。

3、选择【简单分布】，并点击【定义】。

4、在接下来的弹出框中设置x轴和y轴，然后点击确定，其他都不要管，然后得到散点图，可以看出x轴和y轴明显呈线性关系，所以接下来的回归分析就要用线性回归方法，假设图像呈曲线就需要选择曲线拟合的方法。

5、点击【分析】---【回归】---【线性】。

6、在弹出的线性回归框中设置自变量和因变量，其他的选项用默认设置即可，其他的选项只是用来更加精确地去优化模型。

7、【模型汇总表】中R表示拟合优度，值越接近1表示模型越好。至此回归分析就完成了图中的这个模型就是比较合理的。

注意事项：
SPSS注意事项：
1，数据编辑器、语法编辑器、输出查看器、脚本编辑器都可以同时打开多个。
2，关闭所有的输出查看器后，并不退出SPSS系统。数据编辑器都退出后将关闭SPSS系统。关闭所有的数据文件时并不一定退出SPSS系统。说明：仅新建一个数据文件，并没有保存，既没有生成数据文件。此时关闭其它所有已保存的数据文件时，不退出SPSS系统。
3，可以在不同的数据编辑器窗口打开同一个数据文件。对话框中提示“恢复为已保存”或“在新窗口中打开”选项。

2. 不同年份的数据可以做线性回归吗？还是属于时间序列分析？

属于时间序列预测
如果用简单的回归模型来做 并不是很准确的
在spss中有一项是预测的菜单，其中就是考虑时间序列后的分析预测，有点类似于回归分析，但是它会考虑到时间序列的影响，同时也有自变量和因变量的

3. 多元回归时间序列和多因素时间序列的关系

多元回归时间序列是指ARIMA模型下面研究的时间序列的回归问题。
多因素时间序列一般是说同时考虑多个外生变量和内生变量的滞后项的问题，
而ARIMA就是其中用于进行回归的一种方法，而且是最一般的方法。 

ARIMA模型？http://wenku.baidu.com/view/841fcb8583d049649b66580b.html，这里有课件，但是如果你没有接触过时间序列的知识的话，可能很难看懂。

ARIMA模型: Autoregressive Integrated Moving Average。主要的步骤是的几种检验方法（如  用自相关函数ACF和偏自相关函数PACF分析拖尾和截尾情况  或者  用DF检验协整关系）进行判断，确定适当的滞后变量个数和滞后扰动项个数，以得到最好的回归效果。然后根据变量个数分别调整数据，再进行回归计算。

当然ARIMA模型基本如果不简化为ARMA模型（不同时考虑滞后变量和扰动项）的话，是没有办法用手算的。如果想要应用操作的话，可以用SPSS解决，这个软件不需要编程的功底。

一两句话还是不能说明白。建议还是参照一本书，看看书中的例题就很容易明白。推荐恩德斯的《应用计量经济学：时间序列分析》，里面废话少。

4. 时间序列的多元线性回归方程在做eviews回归分析之前具体需要进行哪些检验啊？比如平稳性检验什么的

单位根需要做的
此后异方差检验需要做的
不会做的话，让人帮你做就ok啊
我经常帮别人做这类的数据分析的

5. 有没有关于写论文的高手，关于时间序列预测分析和多元线性回归模型的，有的话联系我。

可以

6. 多元线性回归跟时间序列分析论文，求大神，真的是烦死了我

多元线性回归跟时间序列分析论文我会来解决的

7. 时间序列是不是不能用多元线性回归模型分析？

可以，建立多元线性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是：
自变量对因变量必须有显著的影响，并呈密切的线性相关；自变量与因变量之间的线性相关必须是真实的，而不是形式上的；
自变量之间应具有一定的互斥性，即自变量之间的相关程度不应高于自变量与因变量之因的相关程度；自变量应具有完整的统计数据，其预测值容易确定。

扩展资料：计算模型
一元线性回归一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响；
此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。
当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归，设y为因变量X1,X2…Xk为自变量，并且自变量与因变量之间为线性关系。

8. 本人打算用Eviews建立多元线性回归模型，现在有8个解释变量，时间序列数据取20年不知道够不够？

20年，已经不小了。可以。
有缺失值，最好用替代法，如前后两期的均值。
因为，如果时间足够长，有一两个缺失值是不影响的。但20年，还不算足够长。
希望对你有帮助，统计人刘得意