spss的線性回歸分析(2)(存儲版)
【正文】 e): ? 即 :是“向前法”和“向后法”的結(jié)合。 k=100 嚴重 imik ???線性回歸分析中的異方差問題 (一 )什么是差異方差 – 回歸模型要求殘差序列服從均值為 0并具有相同方差的正態(tài)分布 ,即 :殘差分布幅度不應(yīng)隨自變量或因變量的變化而變化 .否則認為出現(xiàn)了異方差現(xiàn)象 (二 )差異方差診斷 – 可以通過繪制標準化殘差序列和因變量預(yù)測值 (或每個自變量 )的散點圖來識別是否存在異方差 (三 )異方差處理 – 實施方差穩(wěn)定性變換 ? 殘差與 yi(預(yù)測值 )的平方根呈正比：對 yi開平方 ? 殘差與 yi(預(yù)測值 )呈正比 :對 yi取對數(shù) . ? 殘差與 yi(預(yù)測值 )的平方呈正比 ,則 1/yi 多元線性回歸分析操作 (一 )基本操作步驟 (1)菜單選項 : analyzeregressionlinear… (2)選擇一個變量為因變量進入 dependent框 (3)選擇一個或多個變量為自變量進入 independent框 (4)選擇多元回歸分析的自變量篩選方法 : – enter:所選變量全部進入回歸方程 (默認方法 ) – remove:從回歸方程中剔除變量 – stepwise:逐步篩選； backward:向后篩選； forward:向前篩選 (5)對樣本進行篩選 (selection variable) – 利用滿足一定條件的樣本數(shù)據(jù)進行回歸分析 (6)指定作圖時各數(shù)據(jù)點的標志變量 (case labels) 多元線性回歸分析操作 (二 ) statistics選項 (1)基本統(tǒng)計量輸出 – Part and partial correlation:與 Y的簡單 相關(guān) 、偏 相關(guān)和部分相關(guān) – R square change:每個自變量進入方程后 R2及 F值的變化量 – Collinearity dignostics:共線性診斷 . 多元線性回歸分析操作 (三 )options選項 : ? stepping method criteria:逐步篩選法參數(shù)設(shè)置 . – use probability of F:以 F值相伴概率作為變量進入和剔除方程的標準 .一個變量的 F值顯著性水平小于 entry()則進入方程 。 ? 其次 ,在剩余的自變量中尋找 偏相關(guān)系數(shù)最高 的變量進入回歸方程 ,并進行檢驗 。dw=2:殘差 序列不存在自相關(guān) . – 殘差序列不存在自相關(guān) ,可以認為回歸方程基本概括了因變量的變化 。 ??????????????? niiniiniiniiyyyyyyyyR121212122)()?(1)()?(一元線性回歸方程的檢驗 (二 )回歸方程的顯著性檢驗 ： F檢驗 (1)目的 :檢驗自變量與因變量之間的線性關(guān)系是否顯著 ,是否可用線性模型來表示 . (2)H0: β =0 即 :回歸系數(shù)與 0無顯著差異 (3)利用 F檢驗 ,構(gòu)造 F統(tǒng)計量 : – F=平均的回歸平方和 /平均的剩余平方和 ~F(1,n11) – 如果 F值較大，則說明自變量造成的因變量的線性變動遠大于隨機因素對因變量的影響 ,自變量于因變量之間的線性關(guān)系較顯著 (4)計算 F統(tǒng)計量的值和 相伴概率 p (5)判斷 – p=a:拒絕 H0,即 :回歸系數(shù)與 0有顯著差異，自變量與因變量之間存在顯著的線性關(guān)系。第九章 SPSS的線性回歸分析 回歸分析概述 (一 )回歸分析理解 (1)“回歸”的含義 – galton研究研究父親身高和兒子身高的關(guān)系時的獨特發(fā)現(xiàn) . (2)回歸線的獲得方式一 :局部平均 – 回歸曲線上的點給出了相應(yīng)于每一個 x(父親 )值的 y(兒子 )平均數(shù)的估計 (3)回歸線的獲得方式二 :擬和函數(shù) – 使數(shù)據(jù)擬和于某條曲線 。 因此，從這個意義上講，判定系數(shù)能夠比
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1