《回歸分析spss使用》ppt課件-全文預覽
【正文】 ? Independents: Salbegin,prevexp,jobtime,jobcat,edcu等變量 ? Method: Stepwise ? 比較有用的結果： ? 擬合程度 Adjusted R2： 越接近 1擬合程度越好 ? 回歸方程的顯著性檢驗 Sig ? 回歸系數(shù)表 Coefficients的 Model最后一個中的回歸系數(shù) B和顯著性檢驗 Sig ? 得模型： Salary=++ ++ 曲線估計 (Curve Estimation) 對于 一元回歸 ，若散點圖的趨勢不呈線性分布，可以利用曲線估計方便地進行線性擬合 (liner)、二次擬合(Quadratic)、三次擬合(Cubic)等。只有當回歸方程中的所有自變量對 Y都有顯著影響而不需要剔除時，在考慮從未選入方程的自變量中，挑選對 Y有顯著影響的新的變量進入方程。第 10章 回歸分析 介紹： 回歸分析的概念和模型 回歸分析的過程 回歸分析的概念 尋求有關聯(lián)（相關）的變量之間的關系 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系式 ? 對這些關系式的可信度進行各種統(tǒng)計檢驗 ? 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 ? 利用求得的關系式進行預測和控制 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 按自變量個數(shù)分：簡單的一元回歸，多元回歸 基本的步驟：利用 SPSS得到模型關系式，是否是我們所要的，要看回歸方程的顯著性檢驗（ F檢驗）和回歸系數(shù) b的顯著性檢驗 (T檢驗 )，還要看擬合程度 R2 (相關系數(shù)的平方 ,一元回歸用 R Square，多元回歸用 Adjusted R Square) 回歸分析的 過程 在回歸過程中包括： ? Liner：線性回歸 ? Curve Estimation：曲線估計 ? 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：加權估計 ? 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個簡單的（一般教科書的講法） 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) 判定一個線性回歸直線的擬合程度：用來說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
教學課件相關推薦
鄂ICP備17016276號-1