回歸解析總結(jié)計(jì)劃

回歸分析總結(jié)計(jì)劃回歸分析總結(jié)計(jì)劃/回歸分析總結(jié)計(jì)劃回歸剖析回歸剖析反應(yīng)因果關(guān)系線形回歸剖析：包含簡單線形回歸和多元線形回歸，由 Linear實(shí)現(xiàn)線形回歸模型的基本合用條件：線形趨向：自變量與因變量的關(guān)系是線形的。經(jīng)過散點(diǎn)圖來判斷。獨(dú)立性：因變量的取值互相獨(dú)立。反應(yīng)到模型中，實(shí)質(zhì)上就是要求殘差互相獨(dú)立，不存在自有關(guān)。正態(tài)性：因變量聽從正態(tài)散布。反應(yīng)到模型中，實(shí)質(zhì)上就是要求殘差聽從正態(tài)散布。方差齊性：因變量的方差均同樣，實(shí)質(zhì)上要求殘差的方差齊。假如不過成立方程，商討自變量和因變量的關(guān)系，而無需依據(jù)自變量的取值展望因變量的允許區(qū)間、可信區(qū)間等，則后兩個條件可放寬。要求的樣本數(shù)：樣本數(shù)應(yīng)該是自變量數(shù)的 20倍以上為宜。常用指標(biāo)偏回歸系數(shù)：即模型中的b，它反響的是相應(yīng)的某個自變量上漲一個單位時，應(yīng)變量取值的改動狀況，即自變量對因變量的影響程度。標(biāo)準(zhǔn)化偏回歸系數(shù)：用?表示。它的大小能夠直接用來比較各自變量對因變量的影響程度。決定系數(shù)：即相應(yīng)的有關(guān)系數(shù)的平方，用R2表示。它反響因變量Y的所有變異中能夠經(jīng)過回歸關(guān)系被自變量解說的比率。剖析步驟：作出散點(diǎn)圖，察看變量間的趨向。觀察數(shù)據(jù)的散布，進(jìn)行必需的預(yù)辦理。進(jìn)行直線回歸，包含變量的挑選、變量選擇方法確實(shí)定等。殘差剖析。主要剖析兩大方面：殘差間能否獨(dú)立：采納 Durbin-Watson殘差序列有關(guān)性查驗(yàn)進(jìn)行剖析。Durbin-Watson

統(tǒng)計(jì)值系用來檢定殘差值能否有自我有關(guān)

(autocorrelation)

的現(xiàn)象，其值介于0到

4之間，當(dāng)值近趨近于

2表示殘差值間無自我有關(guān)

,；值趨近于

0指殘差值間擁有正向的自我有關(guān)；以及當(dāng)值趨近于

4則指殘差值間擁有負(fù)向的自我有關(guān)。殘差散布能否為正態(tài)：采納圖示法強(qiáng)影響點(diǎn)的診療及多重共線形問題的判斷。在多元回歸剖析中要留神“共線性” (collinarity)問題，所謂共線性指的是因?yàn)樽宰兞块g的有關(guān)太高，造成回歸剖析之情境困擾。假如變量間有共線性問題，表示一個展望變量是其余自變量的線性組合，以兩個自變量 X1，X2為例，完整共線性代表的是 X1是X2的直線函數(shù)，X1=a+BX2，因此點(diǎn)（X1,X2）會在同一條線上，因此稱為“共線性” ，假如模式中，有嚴(yán)重的共線性存在，則模型之參數(shù)就不可以完整被預(yù)計(jì)出來。自變量間能否有共線性問題，可由下邊的數(shù)據(jù)加以鑒別：1．容忍度容忍度（tolerance

）等于

1

一R2

，此中對是此自變量與其余自變量間的多元有關(guān)系數(shù)的平方，此時變量之

R值太大，代表模式中其余自變量能夠有效解說這個變量。容忍度的值界于。至

1間，假如個自變量的容忍度太小，表示此變量與其余自變量間有共線性問題；其值如靠近

O，表示此變量幾乎是其余變量的線性組合，這個變量回歸系數(shù)的預(yù)計(jì)值不夠穩(wěn)固，而回歸系數(shù)的計(jì)算值也會有很大偏差。2．變異數(shù)膨脹要素變異數(shù)膨脹要素（ VIF）為容忍度的倒數(shù)， VIF的值愈大，表示自變量的容忍度愈小，愈有共線性的問題。，條件指針條件指針（conditionindex:CI）,CI值愈大，愈有共線性問題。在自變量有關(guān)矩陣之要素剖析中，特點(diǎn)值可作為變量間有多少個層自的指針，假若有數(shù)個特點(diǎn)值靠近O，表示原始變量間有高的內(nèi)在有關(guān)存在，這組自變量間的有關(guān)矩陣就是一個“不好的條件”(illcondition) ，數(shù)據(jù)數(shù)值假如略微改動，便可能致使系數(shù)預(yù)計(jì)的大改變。條件指針為最大特點(diǎn)值與個別特點(diǎn)值比率的平方根，

條件指針值假如在

15以上．則表示可能有共線性問題，條件指針值假如在

30以上，則表示有嚴(yán)重的共線性問題，

CI

值愈大，愈有共線性問題。【主對話框】1.Dependent框；用于選入回歸剖析的應(yīng)變量，只好選入一個。2.Block按鈕組：由Previous和Next兩個按鈕構(gòu)成，用于將下邊 Independent框中選入的自變量分組。因?yàn)槎嘣貧w剖析中自變量的選入方式有行進(jìn)、退后、逐漸等方法，假如對不一樣的自變量選入的方法不一樣，則用該按鈕組將自變量分組選入即可。下邊的多元回歸剖析實(shí)例中就會詳細(xì)演示其用法。3.Independent框：用于選入回歸剖析的自變量，它們進(jìn)入模型的方法可使用Block按鈕進(jìn)行不一樣的定義。4.Method下拉列表：用于選擇對自變量的選入方法，該選項(xiàng)對目前Independent框中的所有變量均有效。Enter：強(qiáng)行進(jìn)入法，候選自變量所有歸入模型，不作任何挑選，默認(rèn)選項(xiàng)。stepwise：逐漸法，依據(jù)在Options框中設(shè)定的歸入和清除標(biāo)準(zhǔn)進(jìn)行變量挑選。具體做法是第一分別計(jì)算各自變量對因變量 y的貢獻(xiàn)大小，按由大到小精選貢獻(xiàn)最大的一個先進(jìn)入方程：隨后從頭計(jì)算各自變量對 y的貢獻(xiàn)，并觀察已在方程中的變量能否因?yàn)樾伦兞康囊攵辉儆薪y(tǒng)計(jì)意義。假若有，則將它易（除，并從頭計(jì)算各自變量對y的貢獻(xiàn)．如仍有變量低于當(dāng)選標(biāo)準(zhǔn)，則持續(xù)考慮剔除，直到方程內(nèi)沒有變量可被剔除，方程外沒有變量可被引進(jìn)為止。Remove：強(qiáng)迫剔除法，和下邊的向后法同樣，也是只出不進(jìn)，但它的挑選是以Block為單位。即依據(jù)移除標(biāo)準(zhǔn)將同一個Block內(nèi)的變量一次所有剔除。Backward：向后法，挑選步驟和逐漸法近似，但只出不進(jìn)，印對已歸入方程的變量按對少的貢獻(xiàn)大小由小到大挨次剔除，每剔除一個變量，則從頭計(jì)算各自變最對少的員獻(xiàn)。直到方程中所有變量均切合選入標(biāo)準(zhǔn)，沒有自變量可被剔除為止。Forward：向前法，挑選步驟和逐漸法近似，但只進(jìn)不出，即對己歸入方程的變量不再觀察其明顯性．直到方程外變量均達(dá)不到當(dāng)選標(biāo)準(zhǔn)，沒有自變量可被引入方程為止。5.SelectionVariable框．選入一個挑選變量，并利用右邊的 Rules鈕成立一個選擇條件，這樣，只有知足該條件的記錄才會進(jìn)入回歸剖析。自然，用戶也能夠先采納Dota菜單中的SdectCase過程來選擇記錄，二者功能是等價的。只可是selectCase過程中的定義在此后向來有效， 而Selecti仲、乞dablc框中的定義僅在目前回歸過程有效。CaseLabels框：選擇一個變量，它的取值將作為每條記錄的標(biāo)簽。最典型的狀況是使用記錄ID號的變量。．WLS，可利用該按鈕進(jìn)行加權(quán)最小二乘法的回歸剖析．單擊該按鈕會擴(kuò)展目前對話框，出現(xiàn)wLsweight框，在該框內(nèi)選入權(quán)重變量即可，在剖析時依據(jù)權(quán)重變景的大小賜予各條記錄不一樣的權(quán)重值，如權(quán)重變量取值非正．則該記錄被刪除。孕此。Statistics對話框］用于選擇所需要的描繪統(tǒng)計(jì)量。有以下選項(xiàng)：1.RegressionCoefficients復(fù)選框組：定義回歸系數(shù)的輸出狀況，選中

Estimates

可輸出回歸系數(shù)

B及其標(biāo)準(zhǔn)誤，

t

值和

P

值，還有標(biāo)準(zhǔn)化的回歸系數(shù)

B中：選中ConfidenceInte抖als則輸出每個回歸系數(shù)的95％可信區(qū)間；選中CovarianceMatrix則會輸出各個自變量的有關(guān)矩陣和方差、協(xié)方差矩陣。2.Resiaduals．。復(fù)選框組．用于選擇輸出殘差診療的信息，可選的有Durbin-Watson殘差序列有關(guān)性查驗(yàn)、高出規(guī)定的 n倍標(biāo)準(zhǔn)誤的殘差列表。3．Modelfit ：模型擬合過程中進(jìn)入、退出的變量的列表，以及一些有關(guān)擬合優(yōu)度的查驗(yàn)：復(fù)有關(guān)系數(shù) R，決定系數(shù)R2和調(diào)整的擴(kuò)，標(biāo)準(zhǔn)誤及方差剖析表。。：顯示模型擬合過程中2、F值和P值的改變狀況。4．RsquaredchangeR．Descriptives：供給一些變量描繪，若有效例數(shù)、均數(shù)、標(biāo)準(zhǔn)差等，同時還給出一個自變量間的有關(guān)矩陣．．Partandpartialcorrelations：顯示自變最間的有關(guān)、部分有關(guān)和偏有關(guān)系數(shù)。．Collinearitydiagnostics：給出一些用于共線性診療的統(tǒng)計(jì)量，如特點(diǎn)根(Eigenvalues)、方差膨脹因子（VIF）等。以上各項(xiàng)在默認(rèn)狀況下只有 Estimates和Modelfit復(fù)選框被選中?！綪LOT子對話框】1.scatter組：用于選擇需要繪制的回歸剖析診療或展望圖， 左邊給出了畫圖時可用的中間變量列表，2.StandardizedResidualPlots復(fù)選框組：繪制標(biāo)準(zhǔn)化殘差圖，可供選擇的有直方圖和正態(tài)P-P圖．ProducesallPartialplots：對每一個自變量繪出它與應(yīng)變量殘差的散點(diǎn)圖，主要也用于回歸診療。【Save子對話框】很多時候我們需要將回歸剖析的結(jié)果儲存起來，而后用獲得的殘差、展望值等做進(jìn)一步的剖析，Save子對話框就是用來儲存中間結(jié)果的。．Predictedvalues復(fù)選框組：包含了一組展望值。Untandardized：模型對應(yīng)變量的原始展望值。Standardized：進(jìn)行標(biāo)準(zhǔn)化后的頂測值，此時均數(shù)為 0．標(biāo)準(zhǔn)差為l。Adjusted：去掉目前記錄時，目前模型對該記錄應(yīng)變量的展望值。ofmeanpredictions：預(yù)側(cè)值的標(biāo)準(zhǔn)差。.Residuals復(fù)選框組：包含了可供儲存的各樣殘差，可用于模型診療。Untandardized：模型展望值對應(yīng)變量觀察值的原始?xì)埐睢tandardized：進(jìn)行標(biāo)準(zhǔn)化后的殘差，此時均數(shù)為 0，標(biāo)準(zhǔn)差為1。Studentlized：標(biāo)準(zhǔn)化法采納的是 u變換，假如采納 t變換，則產(chǎn)生的就是此處的學(xué)生化殘差，亦稱史氏化殘差。Deleted：去掉目前記錄時，目前模型對該記錄應(yīng)變量的展望值對應(yīng)變量觀察值的原始?xì)埐睿?jīng)過察看它能夠發(fā)現(xiàn)可疑的強(qiáng)影響點(diǎn)。studentlizedDeleted：上一個預(yù)側(cè)值進(jìn)行 t變換后的結(jié)果。3.Predictionintervals復(fù)選框組：要求給出均數(shù)的可信區(qū)間或個體參照值范圍的上下界，默以為95％區(qū)間，用戶能夠自己設(shè)定概率值。4.savetonewfile組：以上選擇默認(rèn)會在目前數(shù)據(jù)集中成立新變量， Savetonewflle組則能夠讓用戶將這些新變量儲存到一個新的 SPSS數(shù)據(jù)文件中。．ExportmodelinformationtoXMLfile：將模型信息存入XML文件以便進(jìn)一步剖析。Option子對話框】設(shè)置回歸剖析的一些選項(xiàng)，1.SteppingMethodCriteria。單項(xiàng)選擇鈕組：設(shè)置歸入和清除標(biāo)準(zhǔn)，可按 p值或F