spss相關(guān)分析與回歸分析-資料下載頁
2025-05-08 23:34本頁面
【正文】 能存在；k=100 嚴(yán)重 imik???1 57 多重共線性的對策 增大樣本量（不太可能） 多種自變量篩選方法結(jié)合（選擇最優(yōu)方程） 人為去除次要變量（定性分析為較次要，或無需分析） 主成分回歸分析（提取因子作為影響因素） 1 58 多元線性回歸分析操作 (一 )基本操作步驟 (1)菜單選項(xiàng) : analyzeregressionlinear… (2)選擇一個變量為因變量進(jìn)入 dependent框 (3)選擇一個或多個變量為自變量進(jìn)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(jìn)入回歸方程 (默認(rèn)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(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)指定作圖時各數(shù)據(jù)點(diǎn)的標(biāo)志變量 (case labels) 1 59 多元線性回歸分析操作 (二 ) statistics選項(xiàng) (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(jìn)入方程后R2及 F值的變化量 ? Collinearity dignostics:共線性診斷 . 1 60 多元線性回歸分析操作 (三 )options選項(xiàng) : 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(jìn)入和剔除方程的標(biāo)準(zhǔn) .一個變量的 F值顯著性水平小于 entry()則進(jìn)入方程 。大于removal()則剔除出方程 .因此:Entryremoval ? use F value:以 F值作為變量進(jìn)入 ()和剔除()方程的標(biāo)準(zhǔn) (四 )save選項(xiàng) : 將回歸分析結(jié)果保存到數(shù)據(jù)編輯窗口中或某磁盤文件中 1 61 多元線性回歸分析操作 如何做預(yù)測？ 為何、如何做加權(quán)回歸？ 1 62 多元線性回歸分析應(yīng)用舉例 (一 )根據(jù)全國各省移動電話普及率、人均 GDP、人均可支配收入、人均擁有固定資產(chǎn)數(shù)據(jù) ,建立移動電話普及率的預(yù)測模型 ? 所有自變量強(qiáng)行進(jìn)入方程 (方程存在作用不顯著的自變量） ?觀察方差分析表 ?觀察 t檢驗(yàn) ?觀察回歸方程標(biāo)準(zhǔn)誤差和 R2 ? 逐步回歸 ,與上述參數(shù)進(jìn)行比較 (雖然誤差增大 ) ? 回歸系數(shù)置信區(qū)間 ?觀察置信區(qū)間、偏相關(guān)系數(shù)、容忍度 ? 共線性檢測 ? 殘差圖分析 ?選擇 :DW檢驗(yàn)、 casewise、 plot圖 1 63 線性回歸分析中的異方差問題 (一 )什么是異方差 ? 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(rèn)為出現(xiàn)了異方差現(xiàn)象 (二 )舉例理解異方差 收入水平和消費(fèi)種類 打字時間和出錯類型 1 64 線性回歸分析中的異方差問題 (三 ) 異方差診斷 ? 可以通過繪制標(biāo)準(zhǔn)化殘差序列和因變量預(yù)測值(或每個自變量 )的散點(diǎn)圖來識別是否存在異方差 (四 )異方差處理 ? 實(shí)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 1 65 曲線估計 (curve estimate) (一 )目的 : 在一元回歸分析或時間序列中 ,因變量與自變量 (時間 )之間的關(guān)系不呈線性關(guān)系 ,但通過適當(dāng)處理 ,可以轉(zhuǎn)化為線性模型 .可進(jìn)行曲線估計 . 1 66 曲線估計 (curve estimate) (二 )曲線估計的常用模型 : (t為時間 ,也可為某一自變量 ) y=b0+b1t (線性擬 合 linear) y=b0+b1t+b2t2 (二次曲線 quadratic) y=b0+b1t+b2t2+b3t3 (三次曲線 cubic) y=b0*b1t (復(fù)合曲線 Compound) y=e(b0+b1t) (Growth) y=b0+b1lnt (對數(shù)曲線 Logarithmic) y=e(b0+b1/t) (S曲線 ) y=b0eb1t (指數(shù)曲線 Exponential) y=b0+b1/t (Inverse) y=b0tb1 (乘冪曲線 Power) y=1/(1/u+b0*b1t) (Logistic曲線 ) 1 67 冪函數(shù) 2. 線性化方法 ? 兩端取對數(shù)得： log y = log? + ? log x ? 令： y39。 = logy， x39。= log x， 則 y39。 = log? + ? x39。 ?? xy ?1. 基本形式： 3. 圖像 0? 1 ? ? 1 ? = 1 1? 0 ? 1 ? =1 1 68 曲線估計 (curve estimate) (三 )基本操作步驟 (1)繪制散點(diǎn)圖 ,觀察并確定模型 . (2)菜單選項(xiàng) : analyzeregressioncurve estimation (3) 選擇因變量到 dependent框 (4) 選擇自變量到 independent框或選 time以時間作自變量 (5)選擇模型 (R2最高擬和效果最好 ) 1 69 曲線估計 (curve estimate) (四 )其他選項(xiàng) (1)display ANOVA table:方差分析表 (2)plot models:繪制觀察值和預(yù)測值的對比圖 . (3)save選項(xiàng) : ? predicted values:保存預(yù)測值 . ? Residual:保存殘差值 . ? prediction interval:保存預(yù)測值的默認(rèn) 95%的可置信區(qū)間 . ? Predict case:以 time作自變量進(jìn)行預(yù)測 . ? Predict from estimation period through last case:計算保存所有預(yù)測值 . ? Predict through :如果預(yù)測周期超過了數(shù)據(jù)文件的最后一個觀測期 ,選擇此項(xiàng) ,并輸入預(yù)測期數(shù) . 1 70 曲線估計應(yīng)用舉例 利用 GDP和通信業(yè)務(wù)收入的樣本數(shù)據(jù) ,建立通信業(yè)務(wù)收入關(guān)于 GDP的回歸方程 分析移動公司話務(wù)價格彈性
高考資料相關(guān)推薦
鄂ICP備17016276號-1