多元線性回歸分析(2)(參考版)
2025-05-19 01:35本頁面
【正文】 不同嶺參數(shù)時各自變量的回歸系數(shù) K RSQ X1 X2 X3 VIF_1 VIF_2 VIF_3 .000 .975 .751090 .010 .959 .607980 .657896 .020 .954 .426266 .616119 .030 .952 .363391 .026211 .584518 .040 .951 .333852 .077547 .558977 .050 .949 .317746 .111300 .537699 .060 .948 .308130 .135457 .519612 .070 .947 .302021 .153711 .503999 .9648 .8881 .080 .946 .297930 .168027 .490351 .8319 .7639 .090 .946 .295087 .179562 .478294 .7294 .6689 .100 .945 .293032 .189047 .467544 .6482 .5940 嶺跡圖 嶺跡圖K.1 0 7 5 2 50 . 0 0 0嶺回歸系數(shù)2 . 3 9 3 51 . 2 5 6 2.1 1 8 9 1 .0 1 8 4 2 .1 5 5 7X 3 w i t h KX 2 w i t h KX 1 w i t h K B SE(B) Beta T=B/SEB X1 .236110 .049566 .333852 .000078 X2 .077659 .068015 .077547 .134251 X3 .005561 .001041 .558977 .000022 常數(shù)項 .000000 .000038 。 步驟： 選擇不同的嶺參數(shù) k，估計相應(yīng)的回歸系數(shù)； 將不同 k值時的回歸系數(shù)連成一條曲線，即嶺跡； 觀察嶺跡穩(wěn)定（或各回歸系數(shù)穩(wěn)定）時所對應(yīng)的 k值即為嶺參數(shù) k； 建立嶺參數(shù) k下的回歸方程。 ：某些維度該指標(biāo)的數(shù)值大于 30，則說明存在共線性 ：如果相當(dāng)多維度的特征根約等于 0 SPSS過程： 在打開按鈕 “ Statistics”后的對話框中，選中 “ Collinearity Diagnostics”和 “ Part and Partial Correlations”即可；結(jié)果中有相關(guān)系數(shù)矩陣、 VIF、 Tol、條件數(shù)。其取值在 0～ 1之間， Tol越接近 1，說明自變量間的共線性越弱； Tol越接近 0，說明自變量間的共線性越強(qiáng)。當(dāng) VIFi很大時 ，表明自變量間存在多重共線性。 （ the variance inflation factor， VIF)診斷法：方差膨脹因子表達(dá)式為： VIFi=1/（ 1R2i)。 多重共線性（二） 多重共線性一詞最早由 1934年提出，它指的是回歸模型中某些或所有自變量間存在完全或近似完全的線性關(guān)系。 懷疑 3個自變量之間 存在共線性 。 原因主要有： 數(shù)據(jù)中有離群值或異常值； 樣本含量不夠，或自變量數(shù)太多； 自變量的觀察范圍太窄，或方差太小； 自變量之間 存在共線性 。結(jié)果中 x 的系數(shù) b表示：文化程度每上升一個等級，則因變量增加 b個單位； （ 2）若因變量 y的改變在每個等級上是不相等的，則與多分類指標(biāo)一樣要設(shè)啞變量，結(jié)果解釋也與其一樣。 指標(biāo)的量化（三） 對等級資料 （ 1）若變量 x為文化程度，而且因變量 y的改變在每個等級上是近似相等的，則將等級數(shù)量化后直接進(jìn)入分析。 指標(biāo)的量化（二） （ 2）多分類指標(biāo)：若變量 x為血型（ A、 B、 AB、 O型四種），則需用 3個啞變量（或指示變量）表示四種血型： x1 =0、x2 =0、 x3 =0，表示 O型； x1 = x2 =0、 x3 =0，表示 A型； x1 =0、 x2 = x3 =0，表示 B型； x1 =0、 x2 =0、 x3 =1，表示 AB型。 對定量指標(biāo)：符合線性要求的，直接以原變量形式進(jìn)入分析；若不符合線性要求的，作適當(dāng)變量變換，直到符合線性關(guān)系時，方可作回歸分析。 三、檢驗水準(zhǔn) 剔除變量的水準(zhǔn) P剔 和引
高考資料相關(guān)推薦
鄂ICP備17016276號-1