【正文】 一元 線 性回 歸 的 SPSS操作 詳 解 （ 4） 【 Options（選項(xiàng)） 】 ：改變用于進(jìn)行逐步回歸（ Stepwise methods）時(shí)的內(nèi)部數(shù)值的設(shè)定以及對(duì)缺失值的處理方式。 ? Individual：因變量單個(gè)觀測(cè)量的預(yù)測(cè)區(qū)間。 【 Prediction intervals（預(yù)測(cè)區(qū)間） 】 為預(yù)測(cè)區(qū)間欄。 ? Standardized DfFit：標(biāo)準(zhǔn)化的 DfFit值。 ? Standardized Dfbeta(s)：標(biāo)準(zhǔn)化的 DfBeta值。 一元 線 性回 歸 的 SPSS操作 詳 解 【 Influence Statistics（影響統(tǒng)計(jì)量） 】 反映剔除了某個(gè)自變量后回歸系數(shù)的變化情況。 ? Cook’s：庫(kù)克距離。 【 Distances（距離） 】 為距離欄，包含以下選項(xiàng)。 ? Deleted：剔除殘差。 ? Standardized：標(biāo)準(zhǔn)化殘差。 一元 線 性回 歸 的 SPSS操作 詳 解 【 Residuals（殘差） 】 為殘差欄，包含以下選項(xiàng)。 ? Adjusted：經(jīng)調(diào)整的預(yù)測(cè)值。 ? Unstandardized：未標(biāo)準(zhǔn)化的預(yù)測(cè)值。 （ 3） 【 Save(保存 )】 ：將預(yù)測(cè)值、殘差或其他診斷結(jié)果值作為新變量保存于當(dāng)前工作文件或新文件。 ? Normal probality plot：標(biāo)準(zhǔn)化殘差的正態(tài)概率圖 (PP 圖 )，將標(biāo)準(zhǔn)化殘差與正態(tài)分布進(jìn)行比較。 一元 線 性回 歸 的 SPSS操作 詳 解 選擇 【 Standardized Residual Plots（標(biāo)準(zhǔn)化殘差圖） 】 選項(xiàng)，可以選擇輸出標(biāo)準(zhǔn)化殘差圖，其中包括以下選項(xiàng)。 ? SRESID：學(xué)生化殘差。 ? *DRESID：剔除的殘差。 ? *ZPRED：標(biāo)準(zhǔn)化預(yù)測(cè)值。繪制更多的圖形。 一元 線 性回 歸 的 SPSS操作 詳 解 用戶可以根據(jù)上圖從中選擇部分變量作為 X（橫坐標(biāo)）和 Y（縱坐標(biāo)）。 ? Casewise diagnostic：對(duì)標(biāo)準(zhǔn)化殘差進(jìn)行診斷，判斷有無(wú)奇異值 (Outliers)。 ? Collinearity diagnostics：多重共線性分析，輸出各個(gè)自變量的特征根、方差膨脹因子、容忍度等。 ? Descriptives：顯示自變量和因變量的有效數(shù)目、均值、標(biāo)準(zhǔn)差等，同時(shí)還給出一個(gè)自變量間的相關(guān)系數(shù)矩陣。 ? Model fit：模型擬合過(guò)程中進(jìn)入、退出的變量的列表；以及一些有關(guān)擬合優(yōu)度的檢驗(yàn)統(tǒng)計(jì)量，例如 R、 R2和調(diào)整的 R估計(jì)值的標(biāo)準(zhǔn)誤及方差分析表。 ? Confidence intervals：每個(gè)回歸系數(shù)的 95%置信區(qū)間。 其中， 【 Regression Coefficients（回歸系數(shù)） 】 復(fù)選框組用于定義回歸系數(shù)的輸出情況， 【 Residuals（殘差） 】 復(fù)選框組用于選擇輸出殘差診斷的信息。下面列出了它們的具體使用功能。 一元 線 性回 歸 的 SPSS操作 詳 解 執(zhí)行完上述操作后，可以輸出一元線性回歸的基本結(jié)果報(bào)告了。 Step07：選擇加權(quán)二乘法變量 從候選變量列表框中選擇一個(gè)變量進(jìn)入 【 WLS Weigh（ WLS權(quán)重） 】 列表框中，表示選入權(quán)重變量進(jìn)行權(quán)重最小二乘法的回歸分析。 Step06：選擇個(gè)案標(biāo)簽 從候選變量列表框中選擇一個(gè)變量進(jìn)入 【 Case Labels（個(gè)案標(biāo)簽） 】列表框中，它的取值將作為每條記錄的標(biāo)簽。 一元 線 性回 歸 的 SPSS操作 詳 解 Step05：樣本的篩選 從主對(duì)話框的候選變量列表框中選擇一個(gè)變量，將其移至 【 Selection Variable（選擇變量） 】 列表框中，這表示要按照這個(gè)變量的標(biāo)準(zhǔn)來(lái)篩選樣本進(jìn)行回歸分析。重復(fù)上述操作，可以保存若干個(gè)自變量塊?？蓡螕?【 Independent(s)（自變量） 】 列表框上方的【 Next】 按鈕，選定的這一組自變量將被系統(tǒng)自動(dòng)保存于一個(gè)自變量塊（ Block）中。 一元 線 性回 歸 的 SPSS操作 詳 解 Step03：選擇自變量 在 【 Linear Regression（線性回歸） 】 對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)變量，將其添加至 【 Independent(s)（自變量） 】 列表框中，即選擇該變量作為一元線性回歸的自變量。 一元 線 性回 歸 的 SPSS操作 詳 解 Step01：打開(kāi)對(duì)話框 選擇菜單欄中的 【 Analyze(分析 )】 → 【 Regression（回歸） 】 →【 Linear（線性） 】 命令，彈出 【 Linear Regression（線性回歸） 】對(duì)話框，這是線性回歸分析的主操作窗口。 01? ??yx???? SPSS 在一元 線 性回 歸 分析中的 應(yīng) 用 在求解出了回歸模型的參數(shù)后，一般不能立即將結(jié)果付諸于實(shí)際問(wèn)題的分析和預(yù)測(cè)，通常要進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，例如擬合優(yōu)度檢驗(yàn)、回歸方程和回歸系數(shù)的顯著性檢驗(yàn)和殘差分析等。根據(jù)自變量的個(gè)數(shù)，線性回歸模型可分為一元線性回歸模型和多元線性回歸模型 一元線性回歸模型是在不考慮其他影響因素的條件下，或是在認(rèn)為其他影響因素確定的情況下，分析某一個(gè)因素（自變量）是如何影響因變量的。 ⑤ 利用回歸方程進(jìn)行預(yù)測(cè)。 ③ 建立回歸方程，在一定統(tǒng)計(jì)擬合準(zhǔn)則下估計(jì)出模型中的各個(gè)參數(shù)，得到一個(gè)確定的回歸方程。 ① 確定回歸方程中的自變量和因變量。 SPSS在距離分析中的 應(yīng) 用 第 8章 SPSS的回歸分析 SPSS 在一元 線 性回 歸 分析中的 應(yīng) 用 一元線性回歸的基本原理 線性回歸模型側(cè)重考察變量之間的數(shù)量變化規(guī)律，并通過(guò)線性表達(dá)式，即線性回歸方程，來(lái)描述其關(guān)系，進(jìn)而確定一個(gè)或幾個(gè)變量的變化對(duì)另一個(gè)變量的影響程度，為預(yù)測(cè)提供科學(xué)依據(jù)?？梢钥吹剑用裣M(fèi)價(jià)格指數(shù)和城市居民消費(fèi)價(jià)格指數(shù)、農(nóng)村居民消費(fèi)價(jià)格指數(shù)和商品銷(xiāo)售價(jià)格指數(shù)的距離都較小，說(shuō)明它們都反映了社會(huì)總體或某方面價(jià)格水平的高低；但是它和工業(yè)品出廠價(jià)格指數(shù)、原材料等購(gòu)進(jìn)價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)的距離都較大，說(shuō)明這些價(jià)格指數(shù)反映的類(lèi)型有較大差別。 SPSS在距離分析中的 應(yīng) 用 （ 2）距離矩陣 表 713是根據(jù)歐式距離計(jì)算出的各個(gè)價(jià)格指數(shù)之間的距離。 SPSS在距離分析中的 應(yīng) 用 3. 實(shí) 例 結(jié) 果及分析 （ 1）基本統(tǒng)計(jì)匯總表 表 712是對(duì)個(gè)案的基本統(tǒng)計(jì)匯總分析。由于這些價(jià)格指數(shù)的構(gòu)成復(fù)雜，因此可以采用距離分析來(lái)探討它們之間的關(guān)系。請(qǐng)研究這些價(jià)格指數(shù)之間的關(guān)系。價(jià)格指數(shù)是研究?jī)r(jià)格動(dòng)態(tài)變化的一種工具，它為制定、調(diào)整和檢查各項(xiàng)經(jīng)濟(jì)政策，特別是價(jià)格政策提供依據(jù)。對(duì)已經(jīng)按有意義的方法標(biāo)準(zhǔn)化的測(cè)度，一般不再使用此方法進(jìn)行轉(zhuǎn)換。把相似性測(cè)度值轉(zhuǎn)換成不相似性測(cè)度值或相反。當(dāng)符號(hào)表明的是相關(guān)的方向，且僅對(duì)相關(guān)的數(shù)值感興趣時(shí)使用這種轉(zhuǎn)換。 3 種轉(zhuǎn)換方法可以同時(shí)選擇。共有 3 個(gè)轉(zhuǎn)換方法可以選擇。 【 Transform Values(轉(zhuǎn)換值 )】 復(fù)選項(xiàng)：選擇測(cè)度轉(zhuǎn)換方法。 ● Mean of 1：作均數(shù)單位轉(zhuǎn)換。 ● Range 0 to 1：作 0至 1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換。 ● ZScores：作標(biāo)準(zhǔn) Z分值轉(zhuǎn)換，此時(shí)均值等于 0，標(biāo)準(zhǔn)差等于 1。單擊矩形框右面的箭頭按鈕展開(kāi)下拉列表，可選擇的標(biāo)準(zhǔn)化方法如下。 ● Dispersion： Dispersion相似測(cè)量。 ● Sokal and Sneath 5： Sokal and Sneath Ⅴ 型相似測(cè)量。s Q： GoodmanKruskal γ 值，屬于 2 2四格表的列聯(lián)比例函數(shù)。 ● Yule‘s Y ： Yule綜合系數(shù)，屬于 2 2四格表的列聯(lián)比例函數(shù)。 ● Lambda： GoodmanKruskai相似測(cè)量的 λ 值。 ● Sokal and Sneath 4： Sokal and Sneath條件概率。 ● Kulczynski 1： Kulczynski Ⅰ 型配對(duì)系數(shù)，分母為總數(shù)與配對(duì)數(shù)之差，分子為非配對(duì)數(shù)，分子與分母的權(quán)重相同。 ● Sokal and Sneath 2： Sokal and Sneath Ⅱ 型配對(duì)系數(shù)，分子與分母均為非配對(duì)數(shù)，但分子給予加倍的權(quán)重。 ● Rogers and Tanimoto： Rogers and Tanimoto配對(duì)系數(shù)，分母為配對(duì)數(shù)，分子為非配對(duì)數(shù)，非配對(duì)數(shù)給予加倍的權(quán)重。 ● Jaccard：相似比例，分子與分母中的配對(duì)數(shù)與非配對(duì)數(shù)給予相同的權(quán)重。 ● Russell and Rao：以二分點(diǎn)乘積為配對(duì)系數(shù)。 ● Cosine：以變量矢量的余弦值為距離，界于 1至 +1之間。 ① Interval：計(jì)量資料 。 在 【 Distances(距離 )】 對(duì)話框中，選擇 【 Dissimilarities(不相似性 )】距離類(lèi)型后，單擊 【 Measure】 按鈕，彈出下圖所示的對(duì)話框。 Step05：完成操作 單擊 【 OK】 按鈕，結(jié)束操作， SPSS軟件自動(dòng)輸出結(jié)果。 ● Similarities：相似性測(cè)距。 ● Dissimilarities：系統(tǒng)默認(rèn)項(xiàng)。 ● Between variables：表示作變量之間的距離相關(guān)分析。 ● Between cases：系統(tǒng)默認(rèn)項(xiàng)。缺省時(shí)，輸出中用觀測(cè)量的序號(hào)來(lái)標(biāo)記。 SPSS在距離分析中的 應(yīng) 用 Step02：選擇檢驗(yàn)變量 在 【 Distances(距離 )】 對(duì)話框左側(cè)的候選變量列表框中選擇兩個(gè)或兩個(gè)以上變量，將其添加至 【 Variables(變量 )】 列表框中，表示需要進(jìn)行距離分析的變量。在距離分析中，主要利用變量間的相似性測(cè)度（ Similarities）和不相似性測(cè)度（ Dissimilarities）度量研究對(duì)象之間的關(guān)系。但由于本模塊只是一個(gè)預(yù)分析過(guò)程，因此距離分析并不會(huì)給出常用的 P值，而只能給出各變量 /記錄間的距離大小，以供用戶自行判斷相似性。 SPSS在距離分析中的 應(yīng) 用 距離分析是對(duì)觀測(cè)量之間或變量之間相似或不相似的程度的一種測(cè)度，是計(jì)算一對(duì)變量之間或一對(duì)觀測(cè)量之間的廣義的距離。但在實(shí)際中有時(shí)會(huì)遇到一種情況，在分析前對(duì)數(shù)據(jù)所代表的專業(yè)背景知識(shí)尚不充分，本身就屬于探索性的研究。這里引入偏相關(guān)系數(shù)是比較適合的。而銀行間國(guó)債市場(chǎng)、交易所國(guó)債市場(chǎng)與股市的偏相關(guān)系數(shù)卻發(fā)生了顯著變化：銀行間市場(chǎng)和股市的 Pearson相關(guān)系數(shù)為 ，而在控制了交易所指數(shù)后，它們之間的偏相關(guān)系數(shù)下降為 ；同理，交易所國(guó)債市場(chǎng)和股市的相關(guān)系數(shù)也由 。 SPSS在偏相 關(guān) 分析中的 應(yīng) 用 （ 2）偏相關(guān)系數(shù)表 表 78～表 710列出了三個(gè)市場(chǎng)之間的偏相關(guān)系數(shù)。 SPSS在偏相 關(guān) 分析中的 應(yīng) 用 3. 實(shí) 例 結(jié) 果及分析 （ 1）描述性統(tǒng)計(jì)分析表 執(zhí)行完上述操作后，首先給出的是當(dāng)前樣本進(jìn)行描述性統(tǒng)計(jì)的結(jié)果表 77。這里，股市、銀行間國(guó)債市場(chǎng)和交易所國(guó)債市場(chǎng)之間肯定是相互關(guān)聯(lián)的，兩個(gè)市場(chǎng)間的關(guān)系強(qiáng)弱肯定要受到第三方的影響制約，市場(chǎng)間的關(guān)系強(qiáng)弱可能存在傳遞效應(yīng)。從表中數(shù)據(jù)看到，三個(gè)市場(chǎng)間的價(jià)格相關(guān)系數(shù)較高，其中交易所和銀行間國(guó)債市場(chǎng)相關(guān)系數(shù)高達(dá) ，而它們和股市的相關(guān)系數(shù)相對(duì)較低，分別是 ，從數(shù)值大小看到這兩個(gè)子市場(chǎng)和股市的關(guān)聯(lián)性差異不明顯。數(shù)據(jù)文件 、交易所國(guó)債市場(chǎng)和銀行間國(guó)債市場(chǎng)的綜合指數(shù)，請(qǐng)利用相關(guān)分析研究這三個(gè)市場(chǎng)的關(guān)聯(lián)特征 SPSS在偏相 關(guān) 分析中的 應(yīng) 用 2 .實(shí) 例操作 由于這里要研究三個(gè)金融市場(chǎng)之間的關(guān)系，因此首先可以利用 的簡(jiǎn)單相關(guān)分析來(lái)初步探討它們之間的聯(lián)系。研究它們之間的關(guān)系有利于我們弄清楚金融市場(chǎng)之間的關(guān)聯(lián)特征。 Step07：?jiǎn)螕?【 OK】 按鈕，結(jié)束操作， SPSS軟件自動(dòng)輸出結(jié)果。 ● 描述統(tǒng)計(jì)表支持均值和標(biāo)準(zhǔn)差的 Bootstrap 估計(jì)。 ● Exclude cases listwise：表示剔除所有含缺失值的個(gè)案后再進(jìn)行分析。它有兩種處理方式： ● Exclude cases pairwise：系統(tǒng)默認(rèn)項(xiàng)。 ● Zeroorder correlation：顯示零階相關(guān)矩陣，即 Pearson 相關(guān)矩陣。 ① Statistics：選擇輸出統(tǒng)計(jì)量。它表示選擇此項(xiàng)后，輸出結(jié)果中對(duì)在顯著性水平 “ *”加以標(biāo)記；對(duì)在顯著性水平 “ **”標(biāo)記。 ● One tailed：?jiǎn)挝矙z驗(yàn)，如果事先知道相關(guān)方向可以選擇此項(xiàng)。 ● Two tailed：系統(tǒng)默認(rèn)項(xiàng)。注意如果不選入控制變量，則進(jìn)行的是簡(jiǎn)單相關(guān)分析。 SPSS在偏相 關(guān) 分析中的 應(yīng) 用 Step02：選擇檢驗(yàn)變量 在 【 Bivariate Correlations(偏相關(guān) )】 對(duì)話框左側(cè)的候選變量列表框中選擇兩個(gè)或兩個(gè)以上變量，將其添加至 【 Variables(變量 )】 列表框中，表示需要進(jìn)行