多個(gè)自變量線性回歸步驟

1、多個(gè)自變量線性回歸步驟1、通過(guò)散點(diǎn)圖觀察自變量與因變量之間的圖形，如果呈現(xiàn)明顯的非直線關(guān)系，可以通過(guò)數(shù)據(jù)變換轉(zhuǎn)變成直線關(guān)系（當(dāng)然，這也要考慮數(shù)據(jù)變換后，變量的涵義能否較好的被解釋）;| Simple Scatterplot凰州司令通裝飲料價(jià)格P 金收入/人I Unstandardized Residi饑彩 Unstandardized Residi YAxis:u 幅氟O蚌)T X Axis:u 平均氣溫T Set Markers by:口 II.Label Cases by:Si-Panel byRows:四一0KPasteResetCancel |Help |Scatter/DotMatr

2、ix Scatter3-D ScatterxjV Nest variables (no empty rows)Columns:曰 1DefineCancelHelp-T emplateV Use chart specifications from:Eile. |廠 Nest variables (no empty columns)Titles. I Options. I2、選擇“analyze” “regression” “l(fā)inear”EditorAnalyze Graphs Utilities Window Help|ReportsjDescriptive StatisticsTables

3、Compare MeansGeneral Linear ModelMixed ModelsCorrelateeRES 236.0315.3869940-.122-.1745.0414.67439heI RegressionLinear.ILog linear_ ClassifyData ReductionScaleNonpara metric TestsTime SeriesSurvivalMultiple ResponseMissing Value Analysis.Complex SamplesCurve Estimation.Binary Logistic.Multinomial Log

4、istic.Ordinal.Probit.Nonlinear.Weight Estimation.2-Stage Least Squares.Optimal Scaling.3、選入“dependent”和“independent”,method （方法）選入 “stepwise”（逐步回歸法，這是一種自動(dòng)將回歸系數(shù)不顯著的自變量剔除的回歸方法）4、“statistics”中選擇“collinearity diagnostics”共線性診斷，所謂共線性指的是由于多個(gè)自 變量的回歸中，可能存在自變量之間本身存在較大的相關(guān)性，而導(dǎo)致回歸結(jié)果存在偏差。當(dāng) 然，自變量之間完全沒(méi)有相關(guān)性也是不現(xiàn)實(shí)的，但它們之間的相關(guān)系數(shù)一般不超過(guò)0.8都可 以接受。選擇了 “共線性診斷”后，在回歸結(jié)果中可以看到VIF，方差膨脹系數(shù)，這個(gè)系數(shù)不超過(guò)5即自變量之間不存在嚴(yán)重的共線性問(wèn)題）5、看回歸得到的結(jié)果結(jié)果中應(yīng)報(bào)告“ model summary”中的R平方和調(diào)整R平方，總體回歸模型顯著性檢驗(yàn) “ANOVA”中的F統(tǒng)計(jì)量大小，及其sig.值，說(shuō)明總體回歸模型是否顯著；報(bào)告自變量回歸 系數(shù)（非標(biāo)準(zhǔn)化系數(shù)）