spss的相關(guān)分析和線性回歸分析(2)-資料下載頁
2025-05-07 18:13本頁面
【正文】 化回歸系數(shù)、回歸系數(shù)顯著性檢驗的 t統(tǒng)計量和概率 p值，各解釋變量的容忍度。 2) Confidence Intervals：輸出每個非標(biāo)準(zhǔn)化回歸系數(shù) 95％的置信區(qū)間。 3) Descriptive：輸出各解釋變量和被解釋變量的均值、標(biāo)準(zhǔn)差、相關(guān)系數(shù)矩陣及單側(cè)檢驗概率 p值。 7) Covariance matrix：輸出方程中各解釋變量間的相關(guān)系數(shù)、協(xié)方差及各回歸系數(shù)的方差 . 80 4) Model fit： SPSS默認輸出項，輸出判定系數(shù)、調(diào)整的判定系數(shù)、回歸方程的標(biāo)準(zhǔn)誤差、回歸方程顯著 F檢驗的方程分析表。 5) R squared change：輸出每個解釋變量進入方程后引起的判定系數(shù)的變化量和 F值的變化量。 6) Part and partial correlation：輸出方程中各解釋變量與被解釋變量之間的簡單相關(guān)、偏相關(guān)系數(shù)。 81 8) Collinearity Diagnostics：多重共線性分析 ，輸出各個解釋變量的容忍度 、 方差膨脹因子、 特征值 、 條件指標(biāo) 、 方差比例等 。 9) 在 Residual框中： Durbinwaston表示輸出DW檢驗值； Casewise Diagnostic表示輸出標(biāo)準(zhǔn)化殘差絕對值大于等于 3（ SPSS默認值 ）的樣本數(shù)據(jù)的相關(guān)信息 ， 包括預(yù)測值 、 殘差、 杠桿值等 。 82 Options選項，出現(xiàn)的窗口可供用戶設(shè)置多元線性回歸分析中解釋變量篩選的標(biāo)準(zhǔn)以及缺失值的處理方式。 選項對話框 83 Plot選項，出現(xiàn)的窗口用于對殘差序列的分析。 繪制對話框 84 1) 窗口左邊框中各變量名的含義是： DEPENDNT表示被解釋變量 ， *ZPRED表示標(biāo)準(zhǔn)化預(yù)測值 ，*ZRESID表示標(biāo)準(zhǔn)化殘差 ， *DRESID表示剔除殘差 ， *ADJPRED表示調(diào)整的預(yù)測值 ， *SRESID表示學(xué)生化殘差 ， *SDRESID表示剔除學(xué)生化殘差 . 2) 繪制多對變量的散點圖 ， 可根據(jù)需要在 scatter框中定義散點圖的縱坐標(biāo)和橫坐標(biāo)變量 。 3) 在 Standardized Residual Plots框中選擇 Histogram選項繪制標(biāo)準(zhǔn)化殘差序列的直方圖；選擇 Normal probability plot繪制標(biāo)準(zhǔn)化殘差序列的正態(tài)分布累計概率圖 。 選擇 Produce all partial plots選項表示依次繪制被解釋變量和各個解釋變量的散點圖 。 85 保存對話框 86 Save選項 ， 該窗口將回歸分析的某些結(jié)果以 SPSS變量的形式保存到數(shù)據(jù)編輯窗口中 ， 并可同時生成XML格式的文件 ， 便于分析結(jié)果的網(wǎng)絡(luò)發(fā)布 。 1) Predicted Values框中：保存非標(biāo)準(zhǔn)化預(yù)測值 、 標(biāo)準(zhǔn)化預(yù)測值 、 調(diào)整的預(yù)測值和預(yù)測值的均值標(biāo)準(zhǔn)誤差 . 2) Predicted Interval框中：保存均值或個體預(yù)測值 95％(默認 )置信區(qū)間的下限值和上限值 。 3) Residual框中：保存非標(biāo)準(zhǔn)化殘差 、 標(biāo)準(zhǔn)化殘差等 。 4) Influence Statistics框中：保存剔除第 i個樣本后統(tǒng)計量的變化量 。 WSL選項 ， 采用加權(quán)最小二乘法替代普通最小二乘法估計回歸參數(shù) ， 并指定一個變量作為權(quán)重變量 。 87 應(yīng)用舉例 以高?？蒲醒芯繑?shù)據(jù)為例 ， 建立回歸方程研究 課題總數(shù)受論文數(shù)的影響 以課題總數(shù) X5為被解釋變量 ， 解釋變量為投入人年數(shù) X 投入高級職稱的人年數(shù) X 投入科研事業(yè)費 X 專著數(shù) X 論文數(shù) X 獲獎數(shù) X8。 1) 解釋變量采用強制進入策略 （ Enter） ， 并做多重共線性檢測 。 2) 解釋變量采用向后篩選策略讓 SPSS自動完成解釋變量的選擇 。 3) 解釋變量采用逐步篩選策略讓 SPSS自動完成解釋變量的選擇 。 相關(guān)回歸分析（高?？蒲醒芯浚?.sav 88 強制進入策略 操作 89 回歸方程的 擬合優(yōu)度檢 驗 (判定系數(shù) ) 回歸方程 的顯著性 檢驗 強制進入策略 結(jié)果 90 回歸系數(shù) 的顯著性 檢驗 回歸參數(shù) 的估計值 變量的多 重共線性 檢驗 接近 0說明 共線性強 10說明 共線性強 總之 ,有多個影響變量不顯著 ,且變量間共線性強 強制進入策略 結(jié)果 91 變量的多重共線性檢驗 ?特征根和方差比 . 第 7個特征根可解釋多個變量的大部分方差 強制進入策略 結(jié)果 92 向后篩選策略 操作 93 向后篩選策略 操作 94 回歸方程的 擬合優(yōu)度檢 驗 (判定系數(shù) ) 向后篩選策略 結(jié)果 DW值在 ， 可以說明沒有自相關(guān)現(xiàn)象 95 回歸方程 的顯著性 檢驗 向后篩選 策略 結(jié)果 96 向后篩選 策略 結(jié)果 回歸參數(shù) 的估計 + 回歸系數(shù) 的顯著性 檢驗 97 向后篩選 策略 結(jié)果 每步排除 的變量 98 向后篩選 策略 結(jié)果 殘差累計 概率圖 從圖中可知殘差近似服從標(biāo)準(zhǔn)正態(tài)分布 99 向后篩選 策略 結(jié)果 殘差圖 從圖中可知 ,數(shù)據(jù)點無明顯規(guī)律 ,殘差序列是獨立 ,且都在 177。 3個標(biāo)準(zhǔn)差范圍內(nèi) ,無異常點 100 向后篩選 策略 結(jié)果 標(biāo)準(zhǔn)化殘差和標(biāo)準(zhǔn)化預(yù)測值的 Spearman等級相關(guān)分析 操作 101 標(biāo)準(zhǔn)化殘差和標(biāo)準(zhǔn)化預(yù)測值的 Spearman等級相關(guān)分析結(jié)果 計算殘差與預(yù)測值的相關(guān)性弱 , 認為異方差現(xiàn)象不明顯 102 標(biāo)準(zhǔn)化殘差的非參數(shù)檢驗 操作 103 標(biāo)準(zhǔn)化殘差的非參數(shù)檢驗結(jié)果 可認為標(biāo)準(zhǔn)化殘差服從標(biāo)準(zhǔn)正態(tài)分布 104 練習(xí) 為研究收入和支出的關(guān)系 ， 收集 19782022年我國的年人均可支配收入和年人均消費性支出數(shù)據(jù) ， 研究收入與支出之間是否具有較強的線性關(guān)系 。 以年人均支出和教育數(shù)據(jù)為例 ， 建立回歸方程研究年人均消費支出 、 恩格爾系數(shù) 、在外就餐 、 教育支出 、 住房人均使用面積受年人均可支配收入的影響 。 相關(guān)回歸分析（年人均消費支出和教育） .sav 105 分析 ?回歸 ?權(quán)重估計 。 加權(quán)回歸的舉例 106 輸出結(jié)果 107 108 分析 ?回歸 ?兩階最小二乘法 。 兩 階最小二乘法 (自學(xué) ) 109 ? 兩階最小二乘法的 SPSS實現(xiàn) ，可進一步閱讀參考書，杜強、賈麗艷， 《 SPSS統(tǒng)計分析從入門到精通 》 ，人民郵電出版社， 2022年 ? 該書中的第 ， 兩階最小二乘回歸 . 110 Thank yo
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1