多元線性回歸SPSS試驗(yàn)報(bào)告_第1頁
多元線性回歸SPSS試驗(yàn)報(bào)告_第2頁
多元線性回歸SPSS試驗(yàn)報(bào)告_第3頁
多元線性回歸SPSS試驗(yàn)報(bào)告_第4頁
多元線性回歸SPSS試驗(yàn)報(bào)告_第5頁
已閱讀5頁,還剩3頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、回歸分析基本分析:將畢業(yè)生人數(shù)移入因變量,其他解釋變量移入自變量。在統(tǒng)計(jì)量中選擇估計(jì)和模型擬合度, 得到如圖鋼生回歸虛序(2)輸入/移去的變量模型輸入的變屋移去的變雖方法1教職工總數(shù)(萬 人),專利申請(qǐng)授 權(quán)數(shù)(件),研究 與試驗(yàn)發(fā)展機(jī)構(gòu) 數(shù)(個(gè)),普通高 校數(shù)(所),發(fā)表 科技論文數(shù)呈 (篇),在校學(xué)生 數(shù)(萬人)輸入a.已輸入所有請(qǐng)求的變雖。模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì)的誤差1.999.998997a.預(yù)測變雖:(常呈).教職工總數(shù)(萬人).專利申請(qǐng)授權(quán)數(shù)(件) 研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)),普通高校數(shù)(所),發(fā)表科技論文數(shù) 雖(篇)在校學(xué)生數(shù)(萬人)。注解:模型的擬合優(yōu)度檢驗(yàn):第二列

2、:兩變量(被解釋變量和解釋變量)的復(fù)相關(guān)系數(shù)2。第三列:被解釋向量(畢業(yè)人數(shù))和解釋向量的判定系數(shù)R?二。第四列:被解釋向量(畢業(yè)人數(shù))和解釋向量的調(diào)整判定系數(shù)以二。在多個(gè) 解釋變量的時(shí)候,需要參考調(diào)整的判定系數(shù),越接近1,說明回歸方程對(duì)樣本數(shù) 據(jù)的擬合優(yōu)度越高,被解釋向量可以被模型解釋的部分越多。第五列:回歸方程的估計(jì)標(biāo)準(zhǔn)誤差=Anovab模型平方和df均方FSig.1回歸6oo(r殘差7總計(jì)13a.預(yù)測變呈:(常呈).教職工總數(shù)(萬人).專利申請(qǐng)授權(quán)數(shù)(件)研究與試驗(yàn)發(fā)展機(jī)構(gòu) 數(shù)(個(gè)).普通高校數(shù)(所),發(fā)表科技論文數(shù)雖(篇),在校學(xué)生數(shù)(萬人)。b因變呈:畢業(yè)生數(shù)(萬人)回歸方程的顯著性

3、檢驗(yàn)-回歸分析的方差分析表F檢驗(yàn)統(tǒng)計(jì)量的值二,對(duì)應(yīng)的概率p值二,小于顯著性水平,應(yīng)拒絕回歸方程顯著性 檢驗(yàn)原假設(shè)(回歸系數(shù)與0不存在顯著性差異),認(rèn)為:回歸系數(shù)不為0,被解釋 變量(畢業(yè)生人數(shù))和解釋變量的線性關(guān)系顯著,可以建立線性模型。模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1(常雖).141普通高校數(shù)(所).032.047.068.683.516研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)).009.008.142.313發(fā)表科技論文數(shù)雖(篇).001.000.632.007專利申請(qǐng)授權(quán)數(shù)(件).000.000.189在校學(xué)生數(shù)(萬人).301.749教職工總數(shù)(萬人).556.693.511a.因

4、變雖:畢業(yè)生數(shù)(萬人)注解:回歸系數(shù)的顯著性檢驗(yàn)以及回歸方程的偏回歸系數(shù)和常數(shù)項(xiàng)的估計(jì)值 第二列:常數(shù)項(xiàng)估計(jì)值二;其余是偏回歸系數(shù)估計(jì)值。第三列:偏回歸系數(shù)的標(biāo)準(zhǔn)誤差。第四列:標(biāo)準(zhǔn)化偏回歸系數(shù)。第五列:偏回歸系數(shù)T檢驗(yàn)的t統(tǒng)計(jì)量。第六列:t統(tǒng)計(jì)量對(duì)應(yīng)的概率p值;小于顯著性水平,拒接原假設(shè)(回歸系 數(shù)與0不存在顯著性差異),認(rèn)為回歸系數(shù)部位0,被解釋變量與解釋變量的線性 關(guān)系是顯著的;大于顯著性水平,接受原假設(shè)(回歸系數(shù)與0不存在顯著性差異), 認(rèn)為回歸系數(shù)為0被解釋變量與解釋變量的線性關(guān)系不顯著的。于是,多元線性回歸方程為:二+x什0. OO9X2+X3X5X6回歸分析的進(jìn)一步分析:1.多重共

5、線性檢驗(yàn)系數(shù)模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系 數(shù)tSig.共線性統(tǒng)計(jì)呈B標(biāo)準(zhǔn)誤 差試用版容差VIF(常呈).141普通高校數(shù)(所).032.047.068.683.516.022研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)).009.008142.313.012發(fā)表科技論文數(shù)雖(篇).001.000.632.007.008專利申請(qǐng)授權(quán)數(shù)(件).000.000189.043在校學(xué)生數(shù)(萬人).301.749.000教職工總數(shù)(萬人).556.693.511.000a.因變雖:畢業(yè)生數(shù)(萬人)從容差和方差膨脹因子來看,在校學(xué)生數(shù)和教職工總數(shù)與其他解釋變量的多重共 線性很嚴(yán)重。在重新建模中可以考慮剔除該變量共線性診斷模型維數(shù)特征

6、值條件索引方差比例(常呈)普通高校數(shù)(所)研究與試 驗(yàn)發(fā)展機(jī) 構(gòu)數(shù)(個(gè))發(fā)表科技 論文數(shù)雖(篇)專利申請(qǐng) 授權(quán)數(shù)(件)在校學(xué)生數(shù)(萬人)教職工總數(shù)(萬人)11.00.00.00.00.00.00.002.352.00.00.00.00.04.00.003.015.00.00.00.00.09.00.004.004.00.00.35.00.65.00.005.001.00.96.0902.15.00.006.000.00.00.08.96.06.01.007.99.04.49.02.00.98a.因變雖:畢業(yè)生數(shù)(萬人)注解:第二列:特征根第三列:條件指數(shù)從條件指數(shù)看,第3、4、5、6、7個(gè)條件

7、指數(shù)都大于10,說明變量之間存 在多重共線性。第4T0列:各特征根解釋各解釋變量的方差比。從方差比看,第5個(gè)特征根解釋投入普通高校人數(shù)96%;發(fā)表科技論文數(shù)49%;可以認(rèn)為:這些變量存在多重共線性。需要建立回歸方程。2.重建回歸方程輸入/移去的變量I模型輸入的變雖移去的變雖方法1教職工總數(shù)(萬 人),專利申請(qǐng)授 權(quán)數(shù)(件),研究 與試驗(yàn)發(fā)展機(jī)構(gòu) 數(shù)(個(gè)),普通高 校數(shù)(所),發(fā)表 科技論文數(shù)雖 (篇),在校學(xué)生 數(shù)(萬人)輸入2在校學(xué)生數(shù)(萬人)向后(準(zhǔn)則:F-to-remove =.100的概率)。3普通高校數(shù)(所)向后(準(zhǔn)則:F-to-remove =.100的概率)。4研究與試驗(yàn)發(fā)展 機(jī)

8、構(gòu)數(shù)(個(gè))向后(準(zhǔn)則:F-to-remove =.100的概率)。5專利申請(qǐng)授權(quán)數(shù)(件)向后(準(zhǔn)則:F-to-remove =.100的概率)。a.已輸入所有請(qǐng)求的變雖。b因變雖:畢業(yè)生數(shù)(萬人)注解:引入/剔除變量表分別剔除在校學(xué)生數(shù)(萬人),普通高校數(shù)(所),研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)),專 利申請(qǐng)授權(quán)數(shù)(件)四個(gè)變量模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計(jì) 的誤差更改統(tǒng)計(jì)呈Durbin-Wa t sonR方更改F更改df1df2Sig. F 更 改1.999.998.997.998670002999.998.998.00011117.7493.999.998.998.000.44018.5264

9、.999”.998.997.000191355.999*.998.997.000110.304a.預(yù)測變雖:(常雖).教職工總數(shù)(萬人).專利申請(qǐng)授權(quán)數(shù)(件)研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè))普通高校數(shù)(所)發(fā)表 科技論文數(shù)雖(篇)在校學(xué)生數(shù)(萬人)。b.預(yù)測變呈:(常雖). 科技論文數(shù)雖(篇)。教職工總數(shù)(萬人),專利申請(qǐng)授權(quán)數(shù)(件).研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)),普通高校數(shù)(所).發(fā)表C.預(yù)測變呈:(常雖).教職工總數(shù)(萬人),專利申請(qǐng)授權(quán)數(shù)(件).研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)),發(fā)表科技論文數(shù)雖:(篇)。d.預(yù)測變呈:(常雖).教職工總數(shù)(萬人),專利申請(qǐng)授權(quán)數(shù)(件).發(fā)表科技論文數(shù)雖(篇)。e.預(yù)測

10、變呈:(常雖).教職工總數(shù)(萬人),發(fā)表科技論文數(shù)雖(篇)。f.因變雖:畢業(yè)生數(shù)(萬人)注解:利用向后篩選策略建立回歸模型,經(jīng)過四步完成回歸方程的建立,最終模 型為第五個(gè)模型,依次剔除的變量是在校學(xué)生數(shù)(萬人),普通高校數(shù)(所),研究 與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)),專利申請(qǐng)授權(quán)數(shù)(件)模型五的負(fù)相關(guān)系數(shù)2。判別系數(shù)R2二.調(diào)整判別系數(shù)來二,若將作用不顯著的變量引入方程,則該系數(shù)會(huì)減少。估計(jì)的標(biāo)準(zhǔn)誤差二。模型二中偏F檢驗(yàn)的概率P值二,對(duì)于顯著性水平,接受原假設(shè)(剔除變量的 偏回歸系數(shù)與0無顯著性差異),認(rèn)為:剔除的變量在校大學(xué)生人數(shù)的偏回歸系 數(shù)與0無顯著性差異。該變量對(duì)被解釋變量的線性解釋沒有顯著性貢獻(xiàn),不應(yīng)保 留在回歸方程中。模型三中偏F檢驗(yàn)的概率P值二,對(duì)于顯著性水平,接受原假設(shè)(剔除變量的 偏回歸系數(shù)與0無顯著性差異),認(rèn)為:剔除的變量普通高校數(shù)的偏回歸系數(shù)與0 無顯著性差異。該變量對(duì)被解釋變量的線性解釋沒有顯著性貢獻(xiàn),不應(yīng)保留在回 歸方程中。模型四中偏F檢驗(yàn)的概率P值二,對(duì)于顯著性水平,接受原假設(shè)(剔除變量的 偏回歸系數(shù)與0無顯著性差異),認(rèn)為:剔除的變量研究與試驗(yàn)發(fā)展機(jī)構(gòu)數(shù)(個(gè)) 的偏回歸系數(shù)與0無顯著性差異。該變量對(duì)被解釋變量的線性解釋沒有顯著性貢 獻(xiàn),不應(yīng)保留在回歸方程中。模型五中偏F檢驗(yàn)的概率P值二,對(duì)于顯著性水平,接受原假設(shè)(剔除變量的 偏回

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論