spss6回归分析.ppt
《spss6回归分析.ppt》由会员分享,可在线阅读,更多相关《spss6回归分析.ppt(21页珍藏版)》请在三一文库上搜索。
1、第10章 回归分析,介绍: 1、回归分析的概念和模型 2、回归分析的过程,回归分析的概念,寻求有关联(相关)的变量之间的关系 主要内容: 从一组样本数据出发,确定这些变量间的定量关系式 对这些关系式的可信度进行各种统计检验 从影响某一变量的诸多变量中,判断哪些变量的影响显著,哪些不显著 利用求得的关系式进行预测和控制,回归分析的模型,按是否线性分:线性回归模型和非线性回归模型 按自变量个数分:简单的一元回归,多元回归 基本的步骤:利用SPSS得到模型关系式,是否是我们所要的,要看回归方程的显著性检验(F检验)和回归系数b的显著性检验(T检验),还要看拟合程度R2 (相关系数的平方,一元回归用R
2、 Square,多元回归用Adjusted R Square),回归分析的过程,在回归过程中包括: Liner:线性回归 Curve Estimation:曲线估计 Binary Logistic: 二分变量逻辑回归 Multinomial Logistic:多分变量逻辑回归 Ordinal 序回归 Probit:概率单位回归 Nonlinear:非线性回归 Weight Estimation:加权估计 2-Stage Least squares:二段最小平方法 Optimal Scaling 最优编码回归 我们只讲前面3个简单的(一般教科书的讲法),10.1 线性回归(Liner),一元线性
3、回归方程: y=a+bx a称为截距 b为回归直线的斜率 用R2判定系数判定一个线性回归直线的拟合程度:用来说明用自变量解释因变量变异的程度(所占比例) 多元线性回归方程: y=b0+b1x1+b2x2+bnxn b0为常数项 b1、b2、bn称为y对应于x1、x2、xn的偏回归系数 用Adjusted R2调整判定系数判定一个多元线性回归方程的拟合程度:用来说明用自变量解释因变量变异的程度(所占比例) 一元线性回归模型的确定:一般先做散点图(Graphs -Scatter-Simple),以便进行简单地观测(如:Salary与Salbegin的关系) 若散点图的趋势大概呈线性关系,可以建立线
4、性方程,若不呈线性分布,可建立其它方程模型,并比较R2 (1)来确定一种最佳方程式(曲线估计) 多元线性回归一般采用逐步回归方法-Stepwise,逐步回归方法的基本思想,对全部的自变量x1,x2,.,xp,按它们对Y贡献的大小进行比较,并通过F检验法,选择偏回归平方和显著的变量进入回归方程,每一步只引入一个变量,同时建立一个偏回归方程。当一个变量被引入后,对原已引入回归方程的变量,逐个检验他们的偏回归平方和。如果由于引入新的变量而使得已进入方程的变量变为不显著时,则及时从偏回归方程中剔除。在引入了两个自变量以后,便开始考虑是否有需要剔除的变量。只有当回归方程中的所有自变量对Y都有显著影响而不
5、需要剔除时,在考虑从未选入方程的自变量中,挑选对Y有显著影响的新的变量进入方程。不论引入还是剔除一个变量都称为一步。不断重复这一过程,直至无法剔除已引入的变量,也无法再引入新的自变量时,逐步回归过程结束。,10.1.6 线性回归分析实例p240,实例:P240Data07-03 建立一个以初始工资Salbegin 、工作经验prevexp 、工作时间jobtime 、工作种类jobcat 、受教育年限edcu等为自变量,当前工资Salary为因变量的回归模型。 先做数据散点图,观测因变量Salary与自变量Salbegin之间关系是否有线性特点 Graphs -Scatter-Simple X
6、 Axis: Salbegin Y Axis: Salary 若散点图的趋势大概呈线性关系,可以建立线性回归模型 Analyze-Regression-Linear Dependent: Salary Independents: Salbegin,prevexp,jobtime,jobcat,edcu等变量 Method: Stepwise 比较有用的结果: 拟合程度Adjusted R2: 越接近1拟合程度越好 回归方程的显著性检验Sig 回归系数表Coefficients的Model最后一个中的回归系数B和显著性检验Sig 得模型: Salary=-15038.6+1.37Salbegin
7、+5859.59jobcat- 19.55prevexp+154.698jobtime+539.64edcu,10.2 曲线估计(Curve Estimation),对于一元回归,若散点图的趋势不呈线性分布,可以利用曲线估计方便地进行线性拟合(liner)、二次拟合(Quadratic)、三次拟合(Cubic)等。采用哪种拟合方式主要取决于各种拟合模型对数据的充分描述(看修正Adjusted R2 1),10.2.3 曲线估计(Curve Estimation)分析实例,实例P247 Data11-01 :有关汽车数据,看mpg(每加仑汽油行驶里程)与weight(车重)的关系 先做散点图(G
8、raphs -Scatter-Simple):weight(X)、mpg(Y),看每加仑汽油行驶里程数mpg(Y)随着汽车自重weight(X)的增加而减少的关系,也发现是曲线关系 建立若干曲线模型(可试着选用所有模型Models) Analyze-Regression- Curve Estimation Dependent: mpg Independent: weight Models: 全选(除了最后一个逻辑回归) 选Plot models:输出模型图形 比较有用的结果:各种模型的Adjusted R2,并比较哪个大,结果是指数模型Compound的Adjusted R2=0.70678最
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- spss6 回归 分析
链接地址:https://www.31doc.com/p-2977385.html