《回歸分析spss使用》ppt課件-預(yù)覽頁
【正文】 ? b b … 、 bn稱為 y對應(yīng)于 x x … 、 xn的偏回歸系數(shù) ? 用 Adjusted R2調(diào)整判定系數(shù) 判定一個多元線性回歸方程的擬合程度：用來說明用自變量解釋因變量變異的程度（所占比例） 一元線性回歸模型的確定 :一般先做散點圖 (Graphs ScatterSimple),以便進(jìn)行簡單地觀測（如： Salary與 Salbegin的關(guān)系 ) 若散點圖的趨勢大概呈線性關(guān)系，可以建立線性方程，若不呈線性分布，可建立其它方程模型，并比較 R2 (1)來確定一種最佳方程式（曲線估計） 多元線性回歸一般采用逐步回歸方法 Stepwise 逐步回歸方法的基本思想 對全部的自變量 x1,x2,...,xp,按它們對 Y貢獻(xiàn)的大小進(jìn)行比較，并通過 F檢驗法，選擇偏回歸平方和顯著的變量進(jìn)入回歸方程，每一步只引入一個變量，同時建立一個偏回歸方程。在引入了兩個自變量以后，便開始考慮是否有需要剔除的變量。 線性回歸分析實例 p240 實例： P240Data0703 建立一個以初始工資 Salbegin 、工作經(jīng)驗 prevexp 、工作時間 jobtime 、工作種類 jobcat 、受教育年限 edcu等為自變量，當(dāng)前工資 Salary為因變量的回歸模型。這就要求建立的模型必須因變量的取值范圍在 0～ 1之間。因此最主要的是求 B0,B1,… Bp(常數(shù)和系數(shù) ) ? 數(shù)據(jù)要求：因變量應(yīng)具有二分特點。 ? 回歸系數(shù)： 幾率和概率的區(qū)別。 zeev en tp r o b ??? 11)( (Binary Logistic)實例 實例 P255 Data1102 ：乳腺癌患者的數(shù)據(jù)進(jìn)行分析，變量為：年齡 age,患病時間 time,腫瘤擴(kuò)散等級pathscat（ 3種） , 腫瘤大小 pathsize, 腫瘤史 histgrad（ 3種）和癌變部位的淋巴結(jié)是否含有癌細(xì)胞 ln_yesno，建立一個模型，對癌變部位的淋巴結(jié)是否含有癌細(xì)胞ln_yesno的情況進(jìn)行預(yù)測。這里收入的“ 低 ” ,“中 ” ,“高 ” ， 用 1,2,3來代表 .所以 ,如果要用這種啞元進(jìn)行前面回歸就沒有道理了 . 以例 1數(shù)據(jù)為例 ,可以用下面的模型來描述 : 0 1 10 1 20 1 3,1,2,3yxxx? ? ? ?? ? ? ?? ? ? ?? ? ? ?? ? ?? ? ?代表家庭收入的啞元＝ 時，＝ 代表家庭收入的啞元＝ 時，＝ 代表家庭收入的啞元＝ 時。 對于例 1， 對 ?0, ?1, ?1, ?2, ?3的估計分別為 , , , , 0。 ContinueOK， 就得到結(jié)果了 。 它被長期廣泛深入地研究主要是因為數(shù)學(xué)上相對簡單。 如果自變量有多個 （ 多元回歸模型 ， 選 Method: Stepwise ） ， 只要都選入就行 。
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1