spss數(shù)據(jù)分析教程-8-線性回歸分析-wenkub
2023-05-21 19:27:01 本頁(yè)面
【正文】 準(zhǔn)誤差值； SPSS 還可以給出預(yù)測(cè)值和各種預(yù)測(cè)誤差 y i = ^175。0。 175。 ? 把得到的解記為 ,則回歸方程為 S ( 175。1，它們使得回歸方程對(duì)應(yīng)的響應(yīng)變量的誤差達(dá)到最小，該方法即為最小二乘法。2，和進(jìn)行點(diǎn)估計(jì)，得到經(jīng)驗(yàn)回歸方程 (2) 檢驗(yàn)?zāi)Ｐ偷臄M合程度，驗(yàn)證 Y與 X之間的線性相關(guān)的確存在，而不是由于抽樣的隨機(jī)性導(dǎo)致的。2)，且假設(shè)與 X無(wú)關(guān)。 ? 其中變量 X為預(yù)測(cè)變量，它是可以觀測(cè)和控制的； Y為因變量或響應(yīng)變量，它為隨機(jī)變量； 178。在應(yīng)用回歸分析之前，散點(diǎn)圖分析是常用的探索變量之間相關(guān)性的方法。)所示的關(guān)系，但是不能表示為 (y)所示的線性方程的形式，我們稱該回歸關(guān)系為非線性回歸。1 X1+175。) ? Y被稱作因變量，或者響應(yīng)變量；而 X1,X2,? ,Xp稱作自變量、控制變量、解釋變量或者預(yù)測(cè)變量；而f(.)則稱為回歸函數(shù)， 178。 ? 例如，房屋的價(jià)格和房屋的面積，地理位置，房齡和房間的個(gè)數(shù)都有關(guān)系。又比如，香煙的銷量和許多地理和社會(huì)經(jīng)濟(jì)因素有關(guān)，像消費(fèi)者的年齡，教育，收入，香煙的價(jià)格等。為隨機(jī)誤差或隨機(jī)干擾，它是一個(gè)分布與自變量無(wú)關(guān)的隨機(jī)變量，我們常假定它是均值為 0的正態(tài)變量。2 X2 + ? +175。 回歸術(shù)語(yǔ) ? 對(duì)于有一個(gè)響應(yīng)變量的線性回歸，當(dāng) p=1時(shí)，我們稱為簡(jiǎn)單線性回歸 (Simple Linear Regression，或稱為一元線性回歸 )，當(dāng) p2 時(shí)我們稱為多元線性回歸 (Multiple Linear Regression)。 應(yīng)用回歸分析的步驟 ? 步驟 1：寫出研究的問題和分析目標(biāo) ? 步驟 2：選擇潛在相關(guān)的變量 ? 步驟 3：收集數(shù)據(jù) ? 步驟 4：選擇合適的擬合模型 ? 步驟 5：模型求解 ? 步驟 6：模型驗(yàn)證和評(píng)價(jià) ? 步驟 7：應(yīng)用模型解決研究問題 簡(jiǎn)單線性回歸 ? 簡(jiǎn)單線性回歸的形式為： ? Y = 175。為隨機(jī)誤差。 回歸模型的主要問題 ? 進(jìn)行一元線性回歸主要討論如下問題： (1) 利用樣本數(shù)據(jù)對(duì)參數(shù) 175。 (3) 利用求得的經(jīng)驗(yàn)回歸方程，通過 X對(duì) Y進(jìn)行預(yù)測(cè)或控制。 也就是求解 175。 0 。 0 161。 ^175。0 + ^175。0 = 0
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1