相關(guān)分析和回歸分析 (2)(文件)
【正文】 ange：輸出每個(gè)解釋變量進(jìn)入方程后引起的判定系數(shù)的變化量和 F值的變化量。 （ 9）在 Residual框中： Durbinwaston表示輸出DW檢驗(yàn)值； Casewise Diagnostic表示輸出標(biāo)準(zhǔn)化殘差絕對(duì)值大于等于 3（ SPSS默認(rèn)值）的樣本數(shù)據(jù)的相關(guān)信息，包括預(yù)測(cè)值、殘差、杠桿值等。 （ 2）繪制多對(duì)變量的散點(diǎn)圖，可根據(jù)需要在 scatter框中定義散點(diǎn)圖的縱坐標(biāo)和橫坐標(biāo)變量。 （ 1） Predicted Values框中：保存非標(biāo)準(zhǔn)化預(yù)測(cè)值、標(biāo)準(zhǔn)化預(yù)測(cè)值、調(diào)整的預(yù)測(cè)值和預(yù)測(cè)值的均值標(biāo)準(zhǔn)誤差。 WSL選項(xiàng)，采用加權(quán)最小二乘法替代普通最小二乘法估計(jì)回歸參數(shù)，并指定一個(gè)變量作為權(quán)重變量。 （ 3）解釋變量采用逐步篩選策略讓 SPSS自動(dòng)完成解釋變量的選擇。變量之間的非線性關(guān)系可以劃分為本質(zhì)線性關(guān)系和本質(zhì)非線性關(guān)系。 常見的本質(zhì)線性模型有： 二次曲線（ Quadratic）， 方程為 ，變量變換后的方程為 復(fù)合曲線（ Compound）， 方程為 ，變量變換后的方程為 增長(zhǎng)曲線（ Growth）， 方程為 ，變量變換后的方程為 20 1 2y x x? ? ?? ? ?20 1 2 1 1()y x x x x? ? ?? ? ? ?01xy ???01l n ( ) l n ( ) l n ( )yx????01 xye ????01l n ( )yx???? 對(duì)數(shù)曲線（ Logarithmic）， 方程為 ，變量變換后的線性方程為 三次曲線（ Cubic）， 方程為 ，變量變換后的方程為 S曲線（ S）， 方程為 ，變量變換后的方程為 指數(shù)曲線（ Exponential）， 方程為 ，變量變換后的線性方程為 01 l n ( )yx????0 1 1yx????230 1 2 3y x x x? ? ? ?? ? ? ?0 1 2 1 3 2y x x x? ? ? ?? ? ? ?01 / xye ????0 1 1l n ( )yx????10 xye???01l n( ) l n( )yx???? 逆函數(shù)（ Inverse）， 方程為 變量變換后的方程為 冪函數(shù)（ Power）， 方程為 變量變換后的方程為 邏輯函數(shù)（ Logistic）， 方程為 變量變換后的線性方程為 01 /yx????0 1 1yx????10 ()yx ???01l n ( ) l n ( ) l n ( )yx????0111/ xy? ? ???0111l n ( ) l n ( l n ( ) )xy ???? ? ? SPSS曲線估計(jì)中，首先，在不能明確究竟哪種模型更接近樣本數(shù)據(jù)時(shí)，可在多種可選擇的模型中選擇幾種模型；然后 SPSS自動(dòng)完成模型的參數(shù)估計(jì)，并輸出回歸方程顯著性檢驗(yàn)的 F值和概率 p值、判定系數(shù) R2等統(tǒng)計(jì)量；最后，以判定系數(shù)為主要依據(jù)選擇其中的最優(yōu)模型，并進(jìn)行預(yù)測(cè)分析等。 （ 2）把被解釋變量選到 Dependent框中。 （ 5）選擇 Plot Models選項(xiàng)繪制回歸線；選擇 Display ANOVA table輸出各個(gè)模型的方差分析表和各回歸系數(shù)顯著性檢驗(yàn)結(jié)果。觀察散點(diǎn)圖發(fā)現(xiàn)兩變量之間呈非線性關(guān)系，可嘗試選擇二次、三次曲線、復(fù)合函數(shù)和冪函數(shù)模型，利用曲線估計(jì)進(jìn)行本質(zhì)線性模型分析。得到的序列圖表明自80年代以來居民在外就餐費(fèi)用呈非線性增加，90年代中期以來增長(zhǎng)速度明顯加快，大致呈指數(shù)形式，可利用曲線估計(jì)進(jìn)行分析。 本例希望預(yù)測(cè) 2021年和 2021年的值，應(yīng)在Observation框后輸入 27。 ? Predict cases框中：只有當(dāng)解釋變量為時(shí)間時(shí)才可選該框中的選項(xiàng)。 分析和預(yù)測(cè)居民在外就餐的費(fèi)用 利用收集到 1978年至 2021年居民在外就餐消費(fèi)的數(shù)據(jù)，對(duì)居民未來在外就餐的趨勢(shì)進(jìn)行分析和預(yù)測(cè)。 ? 應(yīng)用舉例 教育支出的相關(guān)因素分析 為研究居民家庭教育支出和消費(fèi)性支出之間的關(guān)系，收集到 1978年至 2021年全國(guó)人均消費(fèi)性支出和教育支出的數(shù)據(jù)。如果解釋變量為相關(guān)因素變量，則選擇 Variable選項(xiàng)，并把一個(gè)解釋變量指定到 Independent框；如果選擇 Time參數(shù)則表示解釋變量為時(shí)間變量。 ? 曲線估計(jì)的基本操作 可通過繪制并觀察樣本數(shù)據(jù)的散點(diǎn)圖粗略確定被解釋變量和解釋變量之間的相關(guān)關(guān)系，為曲線擬合中的模型選擇提供依據(jù)。本質(zhì)非線性關(guān)系是指變量關(guān)系不僅形式上呈非線性關(guān)系，而且也無法變換為線性關(guān)系。 以年人均支出和教育數(shù)據(jù)為例，建立回歸方程研究年人均消費(fèi)支出、恩格爾系數(shù)、在外就餐、教育支出、住房人均使用面積受年人均可支配收入的影響。 （ 1）解釋變量采用強(qiáng)制進(jìn)入策略（ Enter），并做多重共線性檢測(cè)。 （ 3） Residual框中：保存非標(biāo)準(zhǔn)化殘差、標(biāo)準(zhǔn)化殘差等。選擇 Produce all partial plots選項(xiàng)表示依次繪制被解釋變量和各個(gè)解釋變量的散點(diǎn)圖。 Plot選項(xiàng)，出現(xiàn)的窗口用于對(duì)殘差序列的分析。 （ 7） Covariance matrix：輸出方程中各解釋變量間的相關(guān)系數(shù)、協(xié)方差以及各回歸系數(shù)的方差。 （ 3） Descriptive：輸出各解釋變量和被解釋變量的均值、標(biāo)準(zhǔn)差、相關(guān)系數(shù)矩陣及單側(cè)檢驗(yàn)概率p值。 線性回歸分析的其他操作 Statistics按鈕，出現(xiàn)的窗口可供用戶選擇更多的輸出統(tǒng)計(jì)量。通常在回歸分析中不止一組待進(jìn)入方程的解釋變量和相應(yīng)的篩選策略，
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1