回歸分析下ppt課件(已修改)
2025-05-18 22:03 本頁面
【正文】 第九章 SPSS回歸分析（下） 本章內(nèi)容 ?多元線性回歸的回歸診斷 ? 曲線估計 ? 線性回歸的衍生模型 多元線性回歸的回歸診斷 ? 檢驗模型假定是否成立 與一元線性回歸一樣 ,通過殘差分析，檢驗有關假定是否成立，如正態(tài)性、獨立性、等方差性等。 ? 異常值探查 通過標準化殘差來探察 ? 影響點探查 所謂影響點，是指其非標準化殘差并不大，但刪去后回歸直線發(fā)生很大改變的點。它們將導致擬合模型偏向該數(shù)據(jù)點。 影響點的檢測主要包括以下幾種方法： (1)與杠桿率有關的檢測 (2)逐步排除異常個案 (3)是否影響回歸系數(shù)的方差 影響點的檢測方法 與杠桿率有關的檢測 ? LEVER centered leverage,是各觀測自變量的各取值在模型中作用的度量。 該值越大，表明影響力越大。 一般認為超過 2 (p/n),則影響力過大 ? COOK’s距離，用于衡量第 i個觀測被刪除后，回歸系數(shù)的改變。是殘差和中心化杠桿率的函數(shù)。 Cook’s 值越大，影響力越強。 經(jīng)驗上，一般 COOK’s距離大于 1 ，通常認為是影響點 ? ?? Mahanobis距離： 為杠桿值的 n1倍 ，是自變量上個案的值與所有個案的平均值相異程度的度量。大的Mahalanobis距離表示個案在一個或多個自變量上具有極值 影響點的檢測方法 逐步排除異常個案 ? 回歸系數(shù)的變化及其標準化 DfBeta,從模型中刪去一個特定觀測后，比較回歸系數(shù)的前后變化。 標準化 DfBeta，通常該值大于 2/sqrt(n)時，認為是影響點。 ? 預測值變化及其標準化 DfFit從模型中刪除某個觀測后引起的預測值的變化 標準化 DfFit，通常默認的標準是該值大于 2/sqrt(p/n)時，為影響點。其中 p為包括常數(shù)項的參數(shù)個數(shù) 影響點的檢測方法 是否影響回歸系數(shù)的方差 ??? 協(xié)方差比例，指的是個案對參數(shù)估計的“方差－協(xié)方差矩陣”的影響度，等于刪除后協(xié)方差矩陣行列式 /全部個案的協(xié)方差矩陣的行列式、接近于 1時，表明影響不大。經(jīng)驗上 |協(xié)方差比例－ 1|3（ p/n）的點可視為影響點 Save選項，該窗口將回歸分析的某些結(jié)果以 SPSS變量的形式保存到數(shù)據(jù)編輯窗口中，并可同時生成XML格式的文件，便于分析結(jié)果的網(wǎng)絡發(fā)布。 （ 1） Predicted Value
教學課件相關推薦
鄂ICP備17016276號-1