回歸分析regressionanalysis(存儲版)
【正文】 . 1 8 3 5 . 4 5 0( 常數(shù))G E N D E R 性別A B S E N T 缺席次數(shù)H O M E W O R K 作業(yè)分數(shù)M I D E X A M 期中考成績F I N E X A M 期末考成績模式1B 之估計值 標準誤未標準化係數(shù)B e t a 分配標準化係數(shù)t 顯著性 零階 偏 部分相關(guān)允差 V I F共線性統(tǒng)計量依變數(shù)\ ：G R A D E 學期總分a . 共線性診斷a5 . 3 8 7 1 . 0 0 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 0 . 0 0. 5 0 7 3 . 2 5 9 . 0 0 . 0 0 . 3 9 . 0 0 . 0 0 . 0 0. 1 0 2 7 . 2 7 5 . 0 0 . 5 3 . 0 1 . 0 0 . 0 0 . 0 02 . 7 8 5 E 0 3 4 3 .9 8 2 . 0 5 . 3 7 . 0 3 . 0 2 . 1 9 . 0 01 . 4 5 7 E 0 3 6 0 .7 9 7 . 0 1 . 0 1 . 0 6 . 2 2 . 0 1 . 1 51 . 6 3 7 E 0 4 1 8 1 . 4 2 2 . 9 4 . 0 8 . 5 1 . 7 6 . 8 0 . 8 5維度123456模式1特徵值 條件指標 ( 常數(shù))G E N D E R性別A B S E N T 缺席次數(shù)H O M E WO R K 作業(yè)分數(shù)M I D E X AM 期中考成績F I N E X AM 期末考成績變異數(shù)比例依變數(shù)\ ：G R A D E 學期總分a . 共線性估計 個別變項預(yù)測力的檢驗。 (因樣本過少 )。期末考成績與缺席次數(shù)。 殘差為觀察值與預(yù)測值的差，殘差越大表示誤差越大，標準化後的殘差絕對值若大於 。 所有自變項可以解釋依變項 %的變異。 ? (三 )逐步分析法（ stepwise） ? 綜合順向進入法與反向淘汰法， 多元迴歸的變項選擇程序： I 理論考量：同時、階層與路徑 ? 同時分析法 （ simultaneous multiple regression） ? 所有的預(yù)測變項同時納入迴歸方程式當中。 ? 各變量相對的變異數(shù)比例（ variance proportions），可看出自變項之間多元共線性的結(jié)構(gòu)特性。 ? 此一數(shù)值是否具有統(tǒng)計上的意義，反映了此一迴歸分析或預(yù)測力是否具有統(tǒng)計上的意義，必頇透過 F考驗來判斷 SS r e g SS e ─── + ─── 1 = S S t S S t = 迴歸可解釋變異量比 + 誤差變異量比 = 1 0 0 % tr e gteSSSSSSSSR ??? 12Adjusted R2 ? 以樣本統(tǒng)計量推導(dǎo)出來的 R2來評估整體模式的解釋力，並進而推論到母群體時，會有高估的傾向 ? 樣本數(shù)越小，越容易高估，解釋力膨脹效果越明顯，樣本數(shù)越大，膨脹情形越輕微 ? 校正後 R2（ adjusted R2），可以減輕因為樣本估計帶來的 R2膨脹效果。反應(yīng)了由自變項與依變項所形成的線性迴歸模式的契合度（ goodness of fit） ? 又稱為迴歸模型的決定係數(shù)（ coefficient of determination），R2開方後可得 multiple R，為自變項與依變項的多元相關(guān)。 CI）來判斷。直到所有未達顯著的預(yù)測變項均被淘汰完畢為止。 F考驗值 p=.009顯示上述%的迴歸解釋力是具有統(tǒng)計意義 模式摘要 顯示自變項對依變項的整體解釋力。 迴歸 標準化殘差 的常態(tài) P P 圖依變數(shù): 學期 總分觀察累積機率1 . 0 0. 7 5. 5 0. 2 50 . 0 0預(yù)期累積機率1 . 0 0. 7 5. 5 0. 2 50 . 0 0殘差分析 檢驗極端值的存在，以及是否違反常態(tài)性假設(shè)。進入以 F機率 .05，刪除以 F機率 .10為標準 總計兩個變項分兩個步驟 (模式 )被選入迴歸方程式。 迴歸 標準化殘差1 . 5 01 . 2 51 . 0 0. 7 5. 5 0. 2 50 . 0 0 . 2 5 . 5 0直方圖依變數(shù): 學期 總分次數(shù)6543210標準差 = .6 7 平均數(shù) = 0 .0 0N = 1 0 . 0 0逐步迴歸法 選入/ 刪除的變數(shù) aF I N E X A M 期末考成績 .逐步迴歸分析法 ( 準則\ ：F 選入的機率 = . 0 5 0 ， F 刪除的機率 = . 1 0 0 ) 。允差 (即容忍值 )越小， VIF越大表示共線性明顯。 ? 階層分析法 （ hierarchical multiple regression） ? 預(yù)測變項間可能具有特定的先後關(guān)係，而需依照研究者的設(shè)計，以特定的順序來進行分析。 SEest 多元迴歸的應(yīng)用策略 迴歸的應(yīng)用模式 ? Two applications of correlation and regression ? Prediction To predict events or behavior for practical decisionmaking purposes in applied settings ? Explanation To understand or explain the nature of a phenomenon for purpose of testing or developi
職業(yè)教育相關(guān)推薦
鄂ICP備17016276號-1