91回歸分析概述92線性回歸分析和線性回歸模型93回歸方-文庫吧資料
2024-09-09 15:03本頁面
【正文】 量和概率 p值，各解釋變量的容忍度。 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)。 輸出判定系數(shù)、調(diào)整的判定系數(shù)、回歸方程的標準誤差、回歸方程顯著 F檢驗的方程分析表。 線性回歸分析的其他操作 Statistics按鈕，出現(xiàn)的窗口可供用戶選擇更多的輸出統(tǒng)計量。只有 變量值滿足判定條件的樣本才參與線性回歸分析。通常在回歸分析中不止一組待進入方程的解釋變量和相應的篩選策略，可以單擊Next和 Previous按鈕設(shè)置多組解釋變量和變量篩選策略并放置在不同的塊中。其中 Enter表示所選變量強行進入回歸方程，是 SPSS默認的策略，通常用在一元線性回歸分析中； Remove表示從回歸方程中剔除所選變量； Stepwise表示逐步篩選策略；Backward表示向后篩選策略； Forward表示向前篩選策略。 （ 3）選擇一個或多個解釋變量進入Independent(s)框。通常，當條件指數(shù)在 010之間 時說明多重共線性較弱 ；當條件指數(shù)在 10100之間說明多重共線性較強；當條件指數(shù)大于 100時說明存在嚴重的多重共線性。 條件指數(shù) 。根據(jù)解釋變量的相關(guān)系數(shù)矩陣求得的特征根中，如果最大的特征根遠遠大于其他特征根，則說明這些解釋變量間具有相當多的重復信息。 VIF越大多重共線性越強， 當 VIF大于等于 10時，說明存在嚴重的多重共線性。 方差膨脹因子 VIF。測度多重共線性一般有以下方式： 容忍度： 其中， 是第 i個解釋變量與方程中其他解釋變量間的復相關(guān)系數(shù)的平方，表示解釋變量之間的線性相關(guān)程度。因此，逐步篩選策略在引入變量的每一個階段都提供了再剔除不顯著變量的機會。否則按上述方法再一次剔除最不顯著的變量，直到再也沒有可剔除的變量為止。 ?向后篩選（ Backward ）策略：變量不斷剔除出回歸方程的過程。 ?向前篩選（ Forward ）策略：解釋變量不斷進入回歸方程的過程。 )1(2)(22221??????????nttnttteeeDW?探測樣本中的異常值：那些影響均值的樣本值 對被解釋變量中異常值的探測方法有： 標準化殘差、學生化殘差、剔除殘差 對解釋變量中異常值的探測方法有： 杠桿值、庫克距離、標準化回歸系數(shù)的變化和標準化預測值的變化 多元回歸分析中的其他問題 ? 由于多元回歸分析被解釋變量受眾多因素的共同影響，所以就會有如下問題出現(xiàn)： 多個變量是否都能夠進入線性回歸模型，解釋變量應以怎樣的策略和順序進入方程，方程中多個解釋變量之間是否存在多重共線性等等。檢驗統(tǒng)計量為： DW=2表示無自相關(guān)，在 02之間說明存在正自相關(guān)，在 24之間說明存在負的自相關(guān)。 DW檢驗。如果殘差均值為零，殘差圖的點應該在縱坐標為 0的中心的帶狀區(qū)域中 隨機散落 。殘差分析包括以下內(nèi)容： 殘差服從正態(tài)分布，其平均值等于 0；殘差取值與 X的取值無關(guān)；殘差不存在自相關(guān)；殘差方差相等。 ? 對于一元線性回歸方程，檢驗統(tǒng)計量為： ? 對于多元線性回歸方程，檢驗統(tǒng)計量為： ），（ 21~)2/()?( 1/)?()2/( 1/ 22??? ???? ? ? nFnyy yynSSE SSRF），（ 1p~)1/()?( /)?()1/( / 22????? ????? ? ? pnFpnyy pyypnSSE pSSRF? 回歸系數(shù) 的顯著性檢驗（ t檢驗） 回歸系數(shù)的顯著性檢驗是要檢驗回歸方程中被解釋變量與每一個解釋變量之間的線性關(guān)系是否顯著。所以在多元線性回歸分析中，調(diào)整的判定系數(shù)比判定系數(shù)更能準確的反映回歸方程的擬合優(yōu)度。 ?對于一元線性回歸方程： ? ?? ?? ?? ?????????????????22222211yyyyyyyyRSSTSSESSTSSESSTSSTSSRR???對于多元線性回歸方程： 在多元線性回歸分析中，引起判定系數(shù)
教學課件相關(guān)推薦
鄂ICP備17016276號-1