【正文】 – 默認(rèn) :回歸系數(shù)檢驗(yàn)的概率值小于 PIN()才可以進(jìn)入方程 . ? 反復(fù)上述步驟 ,直到?jīng)]有可進(jìn)入方程的自變量為止 . 多元線性回歸分析中的自變量篩選 (三 )自變量向后篩選法 (backward): ? 即 :自變量不斷剔除出回歸方程的過程 . ? 首先 ,將所有自變量全部引入回歸方程； ? 其次 ,在一個(gè)或多個(gè) t值不顯著的自變量中將 t值最小的那個(gè)變量剔除出去 ,并重新擬和方程和進(jìn)行檢驗(yàn) 。反之，不能拒絕 H0 )1/()?(/)?(22?????? ? knyykyyFiii一元線性回歸方程的檢驗(yàn) (三 )回歸系數(shù)的顯著性檢驗(yàn) :t檢驗(yàn) (1)目的 :檢驗(yàn)自變量對因變量的線性影響是否顯著 . (2)H0:β=0 即 :回歸系數(shù)與 0無顯著差異 (3)利用 t檢驗(yàn) ,構(gòu)造 t統(tǒng)計(jì)量： – 其中 :Sy是回歸方程標(biāo)準(zhǔn)誤差 (Standard Error)的估計(jì)值，由均方誤差開方后得到，反映了回歸方程無法解釋樣本數(shù)據(jù)點(diǎn)的程度或偏離樣本數(shù)據(jù)點(diǎn)的程度 – 如果回歸系數(shù)的標(biāo)準(zhǔn)誤差較小，必然得到一個(gè)相對較大的 t值，表明該自變量 x解釋因變量線性變化的能力較強(qiáng)。 – R2越接近于 1，則說明回歸平方和占了因變量總變差平方和的絕大部分比例，因變量的變差主要由自變量的不同取值造成，回歸方程對樣本數(shù)據(jù)點(diǎn)擬合得好 – 在一元回歸中 R2=r2。 221 )1( RknRF chc ha ng e ? ??? 222 ich RRR ??多元線性回歸分析中的自變量篩選 (一 )自變量篩選的目的 ? 多元回歸分析引入多個(gè)自變量 . 如果引入的自變量個(gè)數(shù)較少 ,則不能很好的說明因變量的變化 。 ? 逐步篩選法則在變量的每一個(gè)階段都考慮的剔除一個(gè)變量的可能性。 )1/()1(/22???? knRkRF一元線性回歸分析操作 (一 )基本操作步驟 (1)菜單選項(xiàng) : Analyzeregressionlinear… (2)選擇一個(gè)變量為因變量進(jìn)入 dependent框 (3)選擇一個(gè)變量為自變量進(jìn)入 independent框 (4)enter:所選變量全部進(jìn)入回歸方程 (默認(rèn)方法 ) (5)對樣本進(jìn)行篩選 (selection variable) – 利用滿足一定條件的樣本數(shù)據(jù)進(jìn)行回歸分析 (6)指定作圖時(shí)各數(shù)據(jù)點(diǎn)的標(biāo)志變量 (case labels) 一元線性回歸分析操作 (二 ) statistics選項(xiàng) (1)基本統(tǒng)計(jì)量輸出 – Estimates:默認(rèn) .顯示回歸系數(shù)相關(guān)統(tǒng)計(jì)量 . – confidence intervals:每個(gè)非標(biāo)準(zhǔn)化的回歸系數(shù) 95%的置信區(qū)間 . – Descriptive:各變量均值、標(biāo)準(zhǔn)差和相關(guān)系數(shù)單側(cè)檢驗(yàn)概率 . – Model fit:默認(rèn) .判定系數(shù)、估計(jì)標(biāo)準(zhǔn)誤差、方差分析表、容忍度 (2)Residual框中的殘差分析 – Durbinwaston:DW值 – casewise diagnostic:異常值 (奇異值 )檢測 (輸出預(yù)測值及殘差和標(biāo)準(zhǔn)化殘差 ) 一元線性回歸分析操作 (三 )plot選項(xiàng) :圖形分析 . ? Standardize residual plots:繪制殘差序列直方圖和累計(jì)概率圖 ,檢測殘差的正態(tài)性 ? 繪制指定序列的散點(diǎn)圖 ,檢測殘差的隨機(jī)性、異方差性 – ZPRED:標(biāo)準(zhǔn)化預(yù)測值 – ZRESID:標(biāo)準(zhǔn) 化殘差 – SRESID:學(xué)生 化殘差 – produce all partial plot:繪制因變量和所有自變量之間的散點(diǎn)圖 線性回歸方程的殘差分析 (一 )殘差序列的正態(tài)性檢驗(yàn) : – 繪制標(biāo)準(zhǔn)化殘差的直方圖或累計(jì)概率圖 (二 )殘差序列的隨機(jī)性檢驗(yàn) – 繪制殘差和預(yù)測值的散點(diǎn)圖 ,應(yīng)隨機(jī)分布在經(jīng)過零的一條直線上下 線性回歸方程的殘差分析 (三 )殘差序列獨(dú)立性檢驗(yàn) : – 殘差序列是否存在后期值與前期值相關(guān)的現(xiàn)象 ,利