spss實驗報告-線性回歸-曲線估計(編輯修改稿)
2025-06-09 22:11 本頁面
【文章內(nèi)容簡介】 以對不同的自變量采用不同的方法進行回歸。“方法”下拉框中有5個選項，此處先選擇“進入”，即所選變量全部強行進入回歸模型。(2) 點擊“統(tǒng)計量”按鈕，選擇輸出各種常用判別統(tǒng)計量，本案例選擇“估計”、 “模型擬合度”、“描述性”、“共線性診斷”，以及殘差中的“DurbinWatson”檢驗和“個案診斷”。得到如下結(jié)果：由模型匯總表，，擬合優(yōu)度很強。統(tǒng)計量DW=，該檢驗用于判斷相鄰殘差序列的相關(guān)性，其判斷標準如下：DWdL，認為殘差序列存在正的一階自相關(guān)；duDW4dU，認為殘差序列間不存在一階自相關(guān)；DW4dL，認為殘差序列間存在負的一階自相關(guān)；dLDWdU或4dUDW4dL時，無法確定殘差序列是否存在自相關(guān)。本例中，k=4，n=21（k為解釋變量的數(shù)目，包括常數(shù)項，n是觀察值的數(shù)目）時，5%的上下界：dL=，dU=。有 ，認為殘差序列存在一階自相關(guān)。 由方差分析表，統(tǒng)計量F=，認為方程在95%的置信水平下是顯著的。 但是， 變量lnK、lnL、所以這幾個變量對方程的影響都很顯著，說明該變量對方程影響不顯著，回歸模型是無效的。4. 消除模型中變量的共線性（逐步回歸）“共線性統(tǒng)計量”中，容忍度Tolerance越接近于0，表示復(fù)共線性越強，越接近于1，復(fù)共線性越弱。而方差膨脹因子VIF的值越接近于1，解釋變量間的多重共線性越弱，如果VIF的值大于或等于10，說明一個解釋變量與其他解釋變量之間有嚴重的多重共線性。本例中，變量lnK和lnE的VIF值都大于10，說明它們與其他解釋變量之間有嚴重的多重共線性，不符合經(jīng)典假設(shè)，需要修正。 通過以上結(jié)果分析，采用逐步回歸的方法來消除變量之間的多重共線性。重復(fù)以上步驟從新建立回歸方程，將【進入】替換為【逐步】如下圖所示：得到如下結(jié)果：從上表可以看出通過逐步回歸剔除掉了變量lnE,整個模
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1