spss回歸分析ppt課件(2)(已修改)
2025-05-24 05:08 本頁(yè)面
【正文】 第 10章 回歸分析 介紹： 回歸分析的概念和模型 回歸分析的過(guò)程 回歸分析的概念 尋求有關(guān)聯(lián)（相關(guān)）的變量之間的關(guān)系 主要內(nèi)容： ? 從一組樣本數(shù)據(jù)出發(fā)，確定這些變量間的定量關(guān)系式 ? 對(duì)這些關(guān)系式的可信度進(jìn)行各種統(tǒng)計(jì)檢驗(yàn) ? 從影響某一變量的諸多變量中，判斷哪些變量的影響顯著，哪些不顯著 ? 利用求得的關(guān)系式進(jìn)行預(yù)測(cè)和控制 回歸分析的模型 按是否線性分：線性回歸模型和非線性回歸模型 按自變量個(gè)數(shù)分：簡(jiǎn)單的一元回歸，多元回歸 基本的步驟：利用 SPSS得到模型關(guān)系式，是否是我們所要的，要看回歸方程的顯著性檢驗(yàn)（ F檢驗(yàn)）和回歸系數(shù) b的顯著性檢驗(yàn) (T檢驗(yàn) )，還要看擬合程度 R2 (相關(guān)系數(shù)的平方 ,一元回歸用 R Square，多元回歸用 Adjusted R Square) 回歸分析的 過(guò)程 在回歸過(guò)程中包括： ? Liner：線性回歸 ? Curve Estimation：曲線估計(jì) ? Binary Logistic： 二分變量邏輯回歸 ? Multinomial Logistic：多分變量邏輯回歸 ? Ordinal 序回歸 ? Probit：概率單位回歸 ? Nonlinear：非線性回歸 ? Weight Estimation：加權(quán)估計(jì) ? 2Stage Least squares：二段最小平方法 ? Optimal Scaling 最優(yōu)編碼回歸 我們只講前面 3個(gè)簡(jiǎn)單的（一般教科書(shū)的講法） 線性回歸 (Liner) 一元線性回歸方程 : y=a+bx ? a稱為截距 ? b為回歸直線的斜率 ? 用 R2判定系數(shù) 判定一個(gè)線性回歸直線的擬合程度：用來(lái)說(shuō)明用自變量解釋因變量變異的程度（所占比例） 多元線性回歸方程 : y=b0+b1x1+b2x2+… +bnxn ? b0為常數(shù)項(xiàng) ? b b … 、 bn稱為 y對(duì)應(yīng)于 x x … 、 xn的偏回歸系數(shù) ? 用 Adjusted R2調(diào)整判定系數(shù) 判定一個(gè)多元線性回歸方程的擬合程度：用來(lái)說(shuō)明用自變量解釋因變量變異的程度（所占比例） 一元線性回歸模型的確定 :一般先做散點(diǎn)圖 (Graphs ScatterSimple),以便進(jìn)行簡(jiǎn)單地觀測(cè)（如： Salary與 Salbegin的關(guān)系 ) 若散點(diǎn)圖的趨勢(shì)大概呈線性關(guān)系，可以建立線性方程，若不呈線性分布，可建立其它方程模型，并比較 R2 (1)來(lái)確定一種最佳方程式（曲線估計(jì)） 多元線性回歸一般采用逐步回歸方法 Stepwise 逐步回歸方法的基本思想 對(duì)全部的自變量 x1,x2,...,xp,按它們對(duì) Y貢獻(xiàn)的大小進(jìn)行比較，并通過(guò) F檢驗(yàn)法，選擇偏回歸平方和顯著的變量進(jìn)入回歸方程，每一步只引入一個(gè)變量，同時(shí)建立一個(gè)偏回歸方程。當(dāng)一個(gè)變量被引入后，對(duì)原已引入回歸方程的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1