SPSS第十講線性回歸分析課件

第十講

線性回歸分析用變量的觀測數(shù)據(jù)擬合所關(guān)注的變量和影響其變化的變量之間的線性關(guān)系式檢驗(yàn)影響變量的顯著程度比較影響變量的作用大小用一個(gè)或多個(gè)變量的變化解釋和預(yù)測另一個(gè)變量的變化線性回歸的作用一元線性回歸，針對(duì)一個(gè)影響變量（自變量）的回歸分析多元線性回歸，針對(duì)多個(gè)影響變量（自變量）的回歸分析線性回歸的類型回歸方程一元線性回歸Y＝A＋BX＋ε多元線性回歸Y＝B0＋B1X1＋B2X2＋…＋BnXn＋ε線性回歸的位置一元線性回歸

當(dāng)自變量是分類變量時(shí)，需要將原變量轉(zhuǎn)換成虛擬變量，所有虛擬變量都是“1”和“0”取值的二分變量。（當(dāng)原變量是二分類變量時(shí)，我們只需要設(shè)定一個(gè)“1”、“0”取值的虛擬變量，并且把取值為“0”的那個(gè)類別作為參照項(xiàng)）注意步驟1：點(diǎn)擊“Recode”，彈出對(duì)話框注意通常選擇RecodeintoDifferentVariable步驟2：將性別拖入中間空白框步驟4：點(diǎn)擊“Change”按鈕步驟5：點(diǎn)擊“OldandNewValues”按鈕步驟6：將原變量的“1”設(shè)為新變量的“1”步驟8：點(diǎn)擊“Continue”，回到主對(duì)話框步驟8：點(diǎn)擊“OK”，生成新的虛擬性別變量

在設(shè)置完虛擬變量后，我們才能正式開始回歸分析。注意步驟10：選擇因變量“月收入”和自變量“性別”點(diǎn)擊“OK”，結(jié)果一：確定系數(shù)表結(jié)果一告訴我們什么？表格中的R、RSquare和AdjustedRSquare都是用于表示模型的解釋能力通常選擇AdjustedRSquare作為我們的結(jié)論依據(jù)，調(diào)整后的R平方越大，說明性別和收入的線性關(guān)系越強(qiáng)，即性別對(duì)收入的解釋力越強(qiáng)表中調(diào)整后的R平方＝0.033，表示性別能夠解釋收入3.3％的變化結(jié)果二告訴我們什么？結(jié)果二是對(duì)回歸方程進(jìn)行顯著度檢驗(yàn)的方差分析，即判斷總體回歸系數(shù)中至少有一個(gè)不等于0表中顯著度（Sig）<0.001，表明性別與收入之間具有顯著的線性關(guān)系。結(jié)果三：回歸系數(shù)表多元線性回歸實(shí)例2

將受訪者的性別、教育程度（四分類的教育程度）和年齡作為自變量，通過多元線性回歸，分析其對(duì)月收入的影響。

由于例題中的教育變量是個(gè)四分類的定序變量，因此我們需要設(shè)置三個(gè)“1”、“0”取值的虛擬教育變量：edu1、edu2和edu3，分別用來表示“小學(xué)”、“初中”和“高中”，將“大專及以上”教育類別作為參照項(xiàng)，其余三個(gè)類別分別與其進(jìn)行比較。注意步驟1：點(diǎn)擊“Recode”，彈出對(duì)話框步驟2：將四分類的教育變量拖入中間空白框步驟3：在Name欄中填寫第一個(gè)虛擬變量edu1步驟4：在Label欄中填寫變量名標(biāo)簽－小學(xué)步驟5：點(diǎn)擊“Change”按鈕步驟6：點(diǎn)擊“OldandNewValues”按鈕步驟7：將原變量中表示小學(xué)的“1”設(shè)為新變量的“1”步驟8：將原變量的其余取值都設(shè)為“0”步驟9：點(diǎn)擊“Continue”，回到主對(duì)話框步驟10：點(diǎn)擊“OK”，生成表示小學(xué)的虛擬變量edu1步驟11：重新點(diǎn)擊“Recode”，彈出對(duì)話框步驟12：將四分類的教育變量拖入中間空白框步驟13：在Name欄中填寫第二個(gè)虛擬變量edu2步驟14：在Label欄中填寫變量名標(biāo)簽－初中步驟15：點(diǎn)擊“Change”按鈕步驟16：點(diǎn)擊“OldandNewValues”按鈕步驟17：將原變量中代表初中的“2”設(shè)為新變量的“1”步驟18：將原變量的其余取值都設(shè)為“0”步驟19：點(diǎn)擊“Continue”，回到主對(duì)話框步驟20：點(diǎn)擊“OK”，生成表示初中的虛擬變量edu2步驟21：重新點(diǎn)擊“Recode”，彈出對(duì)話框步驟22：將四分類的教育變量拖入中間空白框步驟23：在Name欄中填寫第二個(gè)虛擬變量edu3步驟24：在Label欄中填寫變量名標(biāo)簽－高中步驟25：點(diǎn)擊“Change”按鈕步驟26：點(diǎn)擊“OldandNewValues”按鈕步驟27：將原變量中代表高中的“3”設(shè)為新變量的“1”步驟28：將原變量的其余取值都設(shè)為“0”步驟29：點(diǎn)擊“Continue”，回到主對(duì)話框步驟30：點(diǎn)擊“OK”，生成表示高中的虛擬變量edu3步驟31：點(diǎn)擊“Regression”中的“Linear”，彈出對(duì)話框步驟32：選擇因變量“月收入”步驟32：選擇自變量“虛擬性別”,“edu1”,“edu2”，“edu3”和年齡點(diǎn)擊“OK”，結(jié)果一：確定系數(shù)表結(jié)果一告訴我們什么？表中調(diào)整后的R平方＝0.044，表示整個(gè)方程能夠解釋收入變化的4.4％。與例1中的確定系數(shù)相比，提高了1.1個(gè)百分點(diǎn)。結(jié)果二：方差分析表結(jié)果二告訴我們什么？表中顯著度（Sig）<0.001，表明整個(gè)方程是顯著的，也就是說自變量與因變量之間具有顯著的線性關(guān)系。但這并不意味著每個(gè)自變量與因變量都具有顯著的線性關(guān)系，具體的結(jié)論還需要看后面對(duì)每個(gè)自變量的回歸系數(shù)的檢驗(yàn)結(jié)果。結(jié)果三：回歸系數(shù)表結(jié)果三告訴我們什么？表中B欄的非標(biāo)準(zhǔn)化回歸系數(shù)表明：第一，在控制了其他變量之后，男性比女性的月收入高約137元；第二，小學(xué)、初中和高中程度的受訪者的月收入，與大專及以上教育程度的受訪者月收入相比，分別低了約112元、80元和66元；第三，年齡每增加一年，月收入就降低約2元結(jié)果三告訴我們什么？由此我們可以得到回歸方程式：y＝534.493＋137.048×性別－112.371×小學(xué)－79.864×初中－65.704×高中－1.749×年齡結(jié)果三告訴我們什么？表中Beta欄的標(biāo)準(zhǔn)化回歸系數(shù)的絕對(duì)值可以用于比較各個(gè)自變量之間對(duì)因變量的貢獻(xiàn)大?。盒詣e(0.184)>小學(xué)(0.117)>初中(0.103)>高中(0.082)>年齡(0.061)結(jié)果三告訴我們什么？Sig欄中每個(gè)回歸系數(shù)的顯著度水平，表明各自所對(duì)應(yīng)的那個(gè)自變量與因變量之間是否存在顯著的線性相關(guān)關(guān)系從結(jié)果看，所有回歸系數(shù)的顯著度（即P