回歸分析spss使用ppt課件(編輯修改稿)
2025-06-08 07:19 本頁面
【文章內(nèi)容簡介】 1t Inverse(逆 ) Y=b0+b1/t Power(冪 ) Y=b0(tb1 ) Ln(Y)=ln(b0)+b1ln(t) Logistic(邏輯 ) Y=1/(1/u+b0b1t) Ln(1/Y1/u)=ln(b0+ln(b1)t) 曲線估計 (Curve Estimation)分析實例 實例 P247 Data1101 ：有關(guān)汽車數(shù)據(jù)，看 mpg(每加侖汽油行駛里程 )與 weight(車重 )的關(guān)系 ? 先做散點圖 (Graphs ScatterSimple)： weight(X)、mpg(Y)，看每加侖汽油行駛里程數(shù) mpg(Y)隨著汽車自重weight(X)的增加而減少的關(guān)系，也發(fā)現(xiàn)是曲線關(guān)系 ? 建立若干曲線模型（可試著選用所有模型 Models) ? AnalyzeRegression Curve Estimation ? Dependent: mpg ? Independent: weight ? Models: 全選 (除了最后一個邏輯回歸 ) ? 選 Plot models：輸出模型圖形 ? 比較有用的結(jié)果：各種模型的 Adjusted R2，并比較哪個大，結(jié)果是指數(shù)模型 Compound的 Adjusted R2=（擬合情況可見圖形窗口） , 結(jié)果方程為： mpg=* ? 說明： Growth和 Exponential的結(jié)果也相同，也一樣。 (Binary Logistic) 在現(xiàn)實中，經(jīng)常需要判斷一些事情是否將要發(fā)生，候選人是否會當選？為什么一些人易患冠心??？為什么一些人的生意會獲得成功？此問題的特點是因變量只有兩個值，不發(fā)生 (0)和發(fā)生 (1)。這就要求建立的模型必須因變量的取值范圍在 0～ 1之間。 Logistic回歸模型 ? Logistic模型：在邏輯回歸中，可以直接預(yù)測觀測量相對于某一事件的發(fā)生概率。包含一個自變量的回歸模型和多個自變量的回歸模型公式： 其中： z=B0+B1X1+… BpXp(P為自變量個數(shù)）。某一事件不發(fā)生的概率為Prob(no event)＝ 1Prob(event) 。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。自變量可以是分類變量和定距變量。 如果自變量是分類變量應(yīng)為二分變量或被重新編碼為指示變量。指示變量有兩種編碼方式。 ? 回歸系數(shù)： 幾率和概率的區(qū)別。幾率 =發(fā)生的概率 /不發(fā)生的概率。如從 52張橋牌中抽出一張 A的幾率為 (4/52)/(48/52)=1/12，而其概率值為 4/52=1/13 根據(jù)回歸系數(shù)表，可以寫出回歸模型公式中的 z。然后根據(jù)回歸模型公式Prob(event) 進行預(yù)測。 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)進行分析，變量為：年
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1