spss線性回歸分析講稿-資料下載頁
2025-03-10 23:07本頁面
【正文】 就越好 多元線性回歸 （二）回歸直線意義的 F檢驗 ?? 統(tǒng)計量 F=平均回歸平方和 /平均殘差平方和。若 F值過小說明自變量對因變量的解釋力度很差，擬合的回歸直線沒有意義，相反若概率值 (SPSS中以 sig表示，越小越好 ) FFa且 PPa,說明回歸模型解釋力度強，反之亦然。 F假設 H0：所有的 B值都低于 0， H1：至少有一個 B不等于 0 (1)F(K1， nk)Fa,則拒絕 H0假設，即 PPa(sig) (2)F(K1， nk)Fa,則不拒絕 H0假設，即 P=Pa(sig) 注：可查 F分布表得 Fa的值。 （三） T檢驗 是對回歸方程每一個回歸系數檢驗。 T檢驗方法與 F檢驗方法差不多，在 spss分析結果表中以 sig表示，即 P值越小就說明回歸系數與因變量的相關度高。 假設檢驗 H0： B1=0 B2=0， H1： B1≠0 B2 ≠0 注：查 T分布表 （四）殘差的獨立性檢驗 DurbinWatson檢驗的參數 D的取值范圍是0D4，與 2越接近表示殘差與自變量越獨立。見下圖 多重共線性問題 多重共線性的標志 ? R平方較大但沒有幾個顯著的 t統(tǒng)計量，預示著多重共線性的存在。實際上，有可能回歸方程的 F統(tǒng)計量高度顯著，而每個 t統(tǒng)計量不顯著 ? 一對或多對解釋變量的簡單相關系數相對比較高可能意味著多重共線的存在 多重共線性克服在運用 spss分析時，可采用逐步回歸法來克服多重共線性問題 看例子 “農民工流動的問題及需求分析 —— 基于多元線性回歸分析” “ 云南主要農產品出口貿易對云南經濟增長的影響 —— 基于多元線性回歸模型的實證分析” 演講完畢，謝謝觀看！
環(huán)評公示相關推薦
鄂ICP備17016276號-1