相關(guān)分析和回歸分析 (2)(文件)
【正文】 ange：輸出每個解釋變量進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檢驗值； Casewise Diagnostic表示輸出標準化殘差絕對值大于等于 3（ SPSS默認值）的樣本數(shù)據(jù)的相關(guān)信息，包括預測值、殘差、杠桿值等。 （ 2）繪制多對變量的散點圖，可根據(jù)需要在 scatter框中定義散點圖的縱坐標和橫坐標變量。 （ 1） Predicted Values框中：保存非標準化預測值、標準化預測值、調(diào)整的預測值和預測值的均值標準誤差。 WSL選項，采用加權(quán)最小二乘法替代普通最小二乘法估計回歸參數(shù)，并指定一個變量作為權(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 復合曲線（ Compound）， 方程為 ，變量變換后的方程為 增長曲線（ 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曲線估計中，首先，在不能明確究竟哪種模型更接近樣本數(shù)據(jù)時，可在多種可選擇的模型中選擇幾種模型；然后 SPSS自動完成模型的參數(shù)估計，并輸出回歸方程顯著性檢驗的 F值和概率 p值、判定系數(shù) R2等統(tǒng)計量；最后，以判定系數(shù)為主要依據(jù)選擇其中的最優(yōu)模型，并進行預測分析等。 （ 2）把被解釋變量選到 Dependent框中。 （ 5）選擇 Plot Models選項繪制回歸線；選擇 Display ANOVA table輸出各個模型的方差分析表和各回歸系數(shù)顯著性檢驗結(jié)果。觀察散點圖發(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、復合函數(shù)和冪函數(shù)模型，利用曲線估計進行本質(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用呈非線性增加，90年代中期以來增長速度明顯加快，大致呈指數(shù)形式，可利用曲線估計進行分析。 本例希望預測 2021年和 2021年的值，應在Observation框后輸入 27。 ? Predict cases框中：只有當解釋變量為時間時才可選該框中的選項。 分析和預測居民在外就餐的費用 利用收集到 1978年至 2021年居民在外就餐消費的數(shù)據(jù)，對居民未來在外就餐的趨勢進行分析和預測。 ? 應用舉例 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性支出之間的關(guān)系，收集到 1978年至 2021年全國人均消費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，并把一個解釋變量指定到 Independent框；如果選擇 Time參數(shù)則表示解釋變量為時間變量。 ? 曲線估計的基本操作 可通過繪制并觀察樣本數(shù)據(jù)的散點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）解釋變量采用強制進入策略（ Enter），并做多重共線性檢測。 （ 3） Residual框中：保存非標準化殘差、標準化殘差等。選擇 Produce all partial plots選項表示依次繪制被解釋變量和各個解釋變量的散點圖。 Plot選項，出現(xiàn)的窗口用于對殘差序列的分析。 （ 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、標準差、相關(guān)系數(shù)矩陣及單側(cè)檢驗概率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)計量。通常在回歸分析中不止一組待進入方程的解釋變量和相應的篩選策略，
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1