多元線性回歸分析(2)(文件)
【正文】 用。 t α,（ nm1） * sy α一般取 。 s D is t a n c eC e n t e r e d L e v e r a g e V a lu eMin im u m Ma x im u m Me a n S t d . D e v ia t io n ND e p e n d e n t V a r ia b le : 肺活量a . 逐步回歸（一） Stepwise（逐步回歸法）是一種從眾多的回歸模型中快速選擇 “ 最優(yōu) ” 模型的統(tǒng)計(jì)思維方法或建模策略，保證 “ 最優(yōu) ” 模型中的自變量少而精。 逐步回歸（三） 一、引入和剔除變量的標(biāo)準(zhǔn)： 假設(shè)檢驗(yàn)的 P值：對偏回歸系數(shù)進(jìn)行假設(shè)檢驗(yàn)， P值越小，說明對因變量的貢獻(xiàn)越大； 偏回歸平方和的檢驗(yàn)統(tǒng)計(jì)量 F 值：對偏回歸系數(shù)進(jìn)行假設(shè)檢驗(yàn)，F(xiàn) 值越大，說明對因變量的貢獻(xiàn)越大。 對定量指標(biāo)：符合線性要求的，直接以原變量形式進(jìn)入分析；若不符合線性要求的，作適當(dāng)變量變換，直到符合線性關(guān)系時(shí)，方可作回歸分析。 指標(biāo)的量化（三） 對等級資料 （ 1）若變量 x為文化程度，而且因變量 y的改變在每個(gè)等級上是近似相等的，則將等級數(shù)量化后直接進(jìn)入分析。 原因主要有： 數(shù)據(jù)中有離群值或異常值； 樣本含量不夠，或自變量數(shù)太多； 自變量的觀察范圍太窄，或方差太??； 自變量之間 存在共線性 。 多重共線性（二） 多重共線性一詞最早由 1934年提出，它指的是回歸模型中某些或所有自變量間存在完全或近似完全的線性關(guān)系。當(dāng) VIFi很大時(shí) ，表明自變量間存在多重共線性。 ：某些維度該指標(biāo)的數(shù)值大于 30，則說明存在共線性 ：如果相當(dāng)多維度的特征根約等于 0 SPSS過程： 在打開按鈕 “ Statistics”后的對話框中，選中 “ Collinearity Diagnostics”和 “ Part and Partial Correlations”即可；結(jié)果中有相關(guān)系數(shù)矩陣、 VIF、 Tol、條件數(shù)。 不同嶺參數(shù)時(shí)各自變量的回歸系數(shù) K RSQ X1 X2 X3 VIF_1 VIF_2 VIF_3 .000 .975 .751090 .010 .959 .607980 .657896 .020 .954 .426266 .616119 .030 .952 .363391 .026211 .584518 .040 .951 .333852 .077547 .558977 .050 .949 .317746 .111300 .537699 .060 .948 .308130 .135457 .519612 .070 .947 .302021 .153711 .503999 .9648 .8881 .080 .946 .297930 .168027 .490351 .8319 .7639 .090 .946 .295087 .179562 .478294 .7294 .6689 .100 .945 .293032 .189047 .467544 .6482 .5940 嶺跡圖 嶺跡圖K.1 0 7 5 2 50 . 0 0 0嶺回歸系數(shù)2 . 3 9 3 51 . 2 5 6 2.1 1 8 9 1 .0 1 8 4 2 .1 5 5 7X 3 w i t h KX 2 w i t h KX 1 w i t h K B SE(B) Beta T=B/SEB X1 .236110 .049566 .333852 .000078 X2 .077659 .068015 .077547 .134251 X3 .005561 .001041 .558977 .000022 常數(shù)項(xiàng) .000000 .000038 。 步驟： 選擇不同的嶺參數(shù) k，估計(jì)相應(yīng)的回歸系數(shù)； 將不同 k值時(shí)的回歸系數(shù)連成一條曲線，即嶺跡； 觀察嶺跡穩(wěn)定（或各回歸系數(shù)穩(wěn)定）時(shí)所對應(yīng)的 k值即為嶺參數(shù) k； 建立嶺參數(shù) k下的回歸方程。其取值在 0～ 1之間， Tol越接近 1，說明自變量間的共線性越弱； Tol越接近 0，說明自變量間的共線性越強(qiáng)。 （ the variance inflation factor， VIF)診斷法：方
高考資料相關(guān)推薦
鄂ICP備17016276號(hào)-1