spss軟件回歸分析ppt課件-閱讀頁
2025-05-13 22:09本頁面
【正文】 數(shù)的參數(shù)也會發(fā)生變化。 在回歸分析中，對一些自變量是定性變量的先作數(shù)量化處理，處理的方法是引進(jìn)只取“ 0”和 “ 1”兩個值的 0?1型虛擬自變量。例如，令 “ 1”表示改革開放以后的時期， “ 0”則表示改革開放以前的時期。虛擬變量也稱為啞變量。 如果在回歸模型中需要引入多個 0?1型虛擬變量 D時，虛擬變量的個數(shù)應(yīng)按下列原則來確定：對于包含一個具有 k種特征或狀態(tài)的質(zhì)因素的回歸模型，如果回歸模型不帶常數(shù)項，則中需引入 k個 0?1型虛擬變量 D；如果有常數(shù)項，則只需引入 k?1個 0?1型虛擬變量 D。 計算公式如下。 （ 1）自變量中只含一個定性變量，且這個定性變量只有兩種特征的簡單情況時。 ? 研究問題 研究采取某項保險革新措施的速度 y與保險公司的規(guī)模 x1及其類型 d之間的關(guān)系，數(shù)據(jù)如表 76所示。 結(jié)果和討論 （ 2）輸出的結(jié)果文件中第二個表格如下表所示。 （ 4）輸出的結(jié)果文件中第四個表格如下表所示。 可用于處理定性因變量的統(tǒng)計分析方法有：判別分析（ Discriminant analysis）、Probit分析、 Logistic回歸分析和對數(shù)線性模型等。 Logistic回歸分析根據(jù)因變量取值類別不同，又可以分為 Binary Logistic回歸分析和 Multinominal Logistic回歸分析。本節(jié)將只討論 Binary Logistic回歸，并簡稱 Logistic回歸（與 計中介紹的 Logistic曲線模型相區(qū)別）。 ?2LL的計算公式為 1． 2對數(shù)似然值（ 2 log likelihood， 2LL） Logistic回歸的擬合優(yōu)度統(tǒng)計量計算公式為 在實(shí)際問題中，通常采用如下分類表（ Classification Table）反映擬合效果。Snell’s RSquare） 4． Nagelkerke的 R 2（ N agelkerke’s RSquare） 5．偽 R 2（ PsedoRsquare） 偽 R2與線性回歸模型的 R2相對應(yīng)，其意義相似，但它小于 1。 如果該 p值小于給定的顯著性水平（如=），則拒絕因變量的觀測值與模型預(yù)測值不存在差異的零假設(shè)，表明模型的預(yù)測值與觀測值存在顯著差異。 7． Wald統(tǒng)計量 Wald統(tǒng)計量用于判斷一個變量是否應(yīng)該包含在模型中，其檢驗(yàn)步驟如下。 （ 2）構(gòu)造 Wald統(tǒng)計量。 ? 研究問題 在一次關(guān)于某城鎮(zhèn)居民上下班使用交通工具的社會調(diào)查中，因變量 y =1表示居民主要乘坐公共汽車上下班； y =0表示主要騎自行車上下班；自變量 x1表示被調(diào)查者的年齡； x2表示被調(diào)查者的月收入； x3表示被調(diào)查者的性別（ x3=1為男性， x3=0為女性）。 SPSS中實(shí)現(xiàn)過程 表 77 使用交通工具上下班情況 序號 x1（年齡） x2（月收入：元） x3（性別） y 1 18 850 0 0 2 21 1200 0 0 3 23 850 0 1 4 23 950 0 1 5 28 1200 0 1 6 31 850 0 0 7 36 1500 0 1 8 42 1000 0 1 9 46 950 0 1 10 48 1200 0 0 11 55 1800 0 1 12 56 2100 0 1 13 58 1800 0 1 14 18 850 1 0 15 20 1000 1 0 16 25 1200 1 0 17 27 1300 1 0 18 28 1500 1 0 19 30 950 1 1 20 32 1000 1 0 21 33 1800 1 0 22 33 1000 1 0 23 38 1200 1 0 24 41 1500 1 0 25 45 1800 1 1 26 48 1000 1 0 27 52 1500 1 1 28 56 1800 1 1 ? 實(shí)現(xiàn)步驟 圖 724 “Logistic Regression”對話框 圖 725 “Logistic Regression： Options”對話框 （ 1）第一部分輸出結(jié)果有兩個表格，第一個表格說明所有個案（ 28個）都被選入作為回歸分析的個案。 （ 2）第二部分（ Block 0）輸出結(jié)果有 4個表格。 （ 4） Model Summary表給出了 2 對數(shù)似然值、 Cox和 Snell的 R2以及 Nagelkerke的 R2檢驗(yàn)統(tǒng)計結(jié)果。 （ 6） Classification Table分類表說明第一次迭代結(jié)果的擬合效果，從該表格可以看出對于 y=0，有 %的準(zhǔn)確性；對于 y=1，有%準(zhǔn)確性，因此對于所有個案總共有 %的準(zhǔn)確性。從該表格中可以看出 x3相伴概率最小，Wald統(tǒng)計量最大，可見該變量在模型中很重要。常數(shù)與 x2之間的相關(guān)性最大， x1和 x3之間的相關(guān)性最小。該圖以 0和 1為符號，每四個符號代表一個個案。縱坐標(biāo)是個案分布頻數(shù)，反映個案的分布。 小 結(jié) 回歸分析是研究變量與變量之間聯(lián)系的最為廣泛的模型。 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；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(dāng)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(jìn)行的回歸分析。其中，一元線性回歸、多元線性回歸和含虛擬變量的回歸分析可由“ Linear”子菜單完成；非線性回歸分析、曲線估計和時間序列的曲線估計可由 “ Curve Estimation”子菜單完成；邏輯回歸分析可由“ Binary Logistic”子菜單完成
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1