【正文】 1?inn1111i＝＝＝因此，＝示用下列公式表是常用對數(shù)，數(shù)值為代表；即是可能性，用百分比其中????????????????????YYYXBXBXBAUYeeYuui預(yù)測的企業(yè)成功可能性為 % 小 結(jié) 一元線性回歸只涉及一個自變量的回歸問題；多元線性回歸用于解決兩個或兩個以上自變量對一個因變量的數(shù)量變化關(guān)系問題；非線性回歸主要解決在非線性相關(guān)條件下，自變量對因變量的數(shù)量變化關(guān)系 補充內(nèi)容：時間序列的曲線回歸用于研究因變量與時間之間的變化關(guān)系；當遇到非數(shù)量型變量時，通過引入虛擬變量來構(gòu)造含虛擬變量的回歸模型； Logistic回歸分析是對定性變量進行的回歸分析。 logit以后發(fā)現(xiàn)，可能性比對數(shù) logit具有規(guī)律的對稱性。 可能性比的定義 ： )1(1 )1(PP??可能性之比，隨著 p的增長，可能性之比的增長變得越來越?jīng)]有規(guī)律。由于可能性的范圍被定義在 0與 1的范圍之內(nèi)，大于 1或者小于0的數(shù)值使得計算結(jié)果無法被解釋。 SPSS中實現(xiàn)過程 表 72員工多個心理變量值和員工滿意度數(shù)據(jù) z1 z2 z3 z4 z5 z6 z7 Z8 滿 意 度 z1 z2 z3 z4 z5 z6 z7 z8 滿 意 度 ? 實現(xiàn)步驟 圖 77 “Linear Regression”對話框（二） ? 自變量與因變量的非線性關(guān)系 ? 非線性關(guān)系的回歸方程有： ? （ 1）二次回歸方程 ? （ 2）倒數(shù)回歸模型 ? （ 3）指數(shù)回歸模型 ? （ 4）對數(shù)回歸方程 ? 對數(shù)回歸模型： 非線性回歸分析 四 對數(shù)回歸模型 ? 與線性回歸模型一樣，主要的作用也是從自變量的數(shù)值對應(yīng)變量的數(shù)值加以預(yù)測。 與一元線性回歸一樣，要檢驗解釋變量對因變量 y的線性作用是否顯著，要使用 t檢驗。 （ 1）擬合優(yōu)度檢驗 測定多元線性回歸的擬合程度，與一元線性回歸中的判定系數(shù)類似，使用多重判定系數(shù)，其定義為 （ 2）回歸方程的顯著性檢驗（ F檢驗） 多元線性回歸方程的顯著性檢驗一般采用F檢驗，利用方差分析的方法進行。 spss處理使用的一般是二元 logistic 回歸或者多項 logistic回歸分析。德米變量只有兩個數(shù)值： 1與 0， 1表示某種狀況的存在， 0表示這種狀況的消失。 解決這個問題的辦法是把分隔變量的值化整為零，建立若干個關(guān)于這個分隔變量的新變量。當我們遇到自變量是分隔變量（定類變量、定序變量）上時，當這些變量的類別以數(shù)字形式不加處理地直接輸入計算機進行回歸分析時，計算機就會理所當然會地賦予這些數(shù)字以它們本來的意義。多元線性回歸模型是一元線性回歸模型的擴展，其基本原理與一元線性回歸模型類似，只是在計算上更為復(fù)雜，一般需借助計算機來完成。這就產(chǎn)生了測定多因素之間相關(guān)關(guān)系的問題。例如，商品的需求除了受自身價格的影響外，還要受到消費者收入、其他商品的價格、消費者偏好等因素的影響；影響水果產(chǎn)量的外界因素有平均氣溫、平均日照時數(shù)、平均濕度等。求合成纖維的強度與拉伸倍數(shù)之間是否存在顯著的線性相關(guān)關(guān)系。 回歸參數(shù)顯著性檢驗的基本步驟。 之所以對回歸系數(shù)進行顯著性檢驗，是因為回歸方程的顯著性檢驗只能檢驗所有回歸系數(shù)是否同時與零有顯著性差異，它不能保證回歸方程中不包含不能較好解釋說明因變量變化的自變量。 回歸方程的顯著性檢驗一般采用 F檢驗，利用方差分析的方法進行。該指標是建立在對總離差平方和進行分解的基礎(chǔ)之上。 （ 1）擬合優(yōu)度檢驗 回歸方程的擬合優(yōu)度檢驗就是要檢驗樣本數(shù)據(jù)聚集在樣本回歸直線周圍的密集程度，從而判斷回歸方程對樣本數(shù)據(jù)的代表程度。因為，應(yīng)用最小二乘法求得的樣本回歸直線作為對總體回歸直線的近似，這種近似是否合理，必須對其作各種統(tǒng)計檢驗。其實，在現(xiàn)實社會生活中，任何一個事物（因變量）總是受到其他多種事物（多個自變量）的影響。 在實際中，根據(jù)變量的個數(shù)、變量的類型以及變量之間的相關(guān)關(guān)系，回歸分析通常分為一元線性回歸分析、多元線性回歸分析、非線性回歸分析、曲線估計、時間序列的曲線估計、含虛擬自變量的回歸分析和邏輯回歸分析等類型。 ? 對所確定的數(shù)學(xué)關(guān)系式的可信程度進行各種統(tǒng)計檢驗，并區(qū)分出對某一特定變量影響較為顯著的變量和影響不顯著的變量。 具體地說，回歸分析主要解決以下幾方面的問題。 ? 在回歸分析中，因變量 y是隨機變量，自變量 x可以是隨機變量，也可以是非隨機的確定變量；而在相關(guān)分析中，變量 x和變量 y都是隨機變量。在應(yīng)用中，兩種分析方法經(jīng)常相互結(jié)合和滲透，但它們研究的側(cè)重點和應(yīng)用面不同。本章介紹回歸分析基本概念，線性回歸分析的主要類型：一元線性回歸分析、多元線性回歸分析。要了解變量之間如何發(fā)生相互影響的，就需要利用相關(guān)分析和回歸分析。 定義和計算公式 表 31 早稻產(chǎn)量與降雨量和溫度之間的關(guān)系 求降雨量對產(chǎn)量的偏相關(guān) 產(chǎn) 量 降 雨 量 溫 度 ? 實現(xiàn)步驟 圖 69 在菜單中選擇“ Partial”命令 圖 610 “Partial Correlations”對話框 圖 611 “Partial Correlations： Options”對話框 結(jié)果 、復(fù)相關(guān)分析 ?????????22...123 )()?(11iiiiTEmy yyyySSr?復(fù)相關(guān)分析是一種以一個統(tǒng)計值來簡化多個自變量與一個因變量之間關(guān)系的統(tǒng)計分析方法。 偏相關(guān)分析 定義：偏相關(guān)分析是指當兩個變量同時與第三個變量相關(guān)時，將第三個變量的影響剔除，只分析另外兩個變量之間相關(guān)程度的過程。在這種情況下，單純計算簡單相關(guān)系數(shù)，顯然不能準確地反映事物之間地相關(guān)關(guān)系，而需要在剔除其他相關(guān)因素影響的條件下計算相關(guān)系數(shù)。例如，在研究某農(nóng)場春季早稻產(chǎn)量與平均降雨量、平均溫度之間的關(guān)系時，產(chǎn)量和平均降雨量之間的關(guān)系中實際還包含了平均溫度對產(chǎn)量的影響。 Spearman等級相關(guān)系數(shù)為 （ 2）斯皮爾曼等級相關(guān)系數(shù) 對 Spearman等級相關(guān)系數(shù)的統(tǒng)計檢驗，一般如果個案數(shù) n≤30 ，將直接利用 Spearman等級相關(guān)統(tǒng)計量表， SPSS將自動根據(jù)該表給出對應(yīng)的相伴概率值。s tuab等級相關(guān)系數(shù)用以衡量定序變量間的線性相關(guān)關(guān)系，它們利用的是非參數(shù)檢驗的方法。由小到大的取值能夠代表學(xué)歷由低到高。 定序變量的相關(guān)分析 定義：定序變量又稱為有序（ ordinal）變量、順序變量，它取值的大小能夠表示觀測對象的某種順序關(guān)系（等級、方位或大小等），也是基于 “ 質(zhì) ” 因素的變量。 計算公式如下。 Pearson簡單相關(guān)系數(shù)用來衡量定距變量間的線性關(guān)系。 定距變量的取值之間可以比較大小，可以用加減法計算出差異的大小。本章介紹常用的相關(guān)分析方法：定類變量的相關(guān)關(guān)系、定距變量的相關(guān)分析、定序變量的相關(guān)分析、偏相關(guān)分析。 SPSS中實現(xiàn)過程 ? 研究問題 表 32 三組不同性別學(xué)生的數(shù)學(xué)成績 人 名 數(shù) 學(xué) 組 別 性 別 hxh 0 male yaju 0 female yu 0 male shizg 0 male hah 0 female s 0 male watet