相关和回归分析.pptVIP

§7.4 自变量中有定性变量的回归 在例7.1的数据中，还有一个自变量是收入，但它是定性变量，以虚拟变量或哑元（dummy variable）的方式出现。（这里收入的“低”，“中”，“高”，用1，2，3来代表）。如果要用这种哑元进行7.2节的回归就没有道理了。可以用下面模型描述： §7.4 自变量中有定性变量的回归 注意，哑元的各个参数a1, a2, a3本身只有相对意义，无法三个都估计，只能够在有约束条件下才能够得到估计。约束条件可以有很多选择，一种默认的条件是把一个参数设为0，比如a3 0，这样和它有相对意义的a1和a2就可以估计出来了。对于例7.1得到 对于例7.1，对b0, b1, a1, a2, a3的估计分别为28.708, 0.688, -11.066, -4.679, 0。 §7.5 Logistic 回归 但是如果因变量为取两个值的定性变量，前面介绍的回归模型就无法解决了。 我们通过例7.2来介绍另一种回归，即Logistic回归（logistic regression）。 例7.2数据前面已经见到，有自变量性别、年龄和因变量观点 §7.5 Logistic 回归 对此，人们通常会考虑下面的模型（称为logistic回归模型） 为了循序渐近，先拟合没有性别作为自变量（只有年龄x）的模型 为成功的概率 §7.5 Logistic 回归 很容易得到b0和b1的估计分别为2.381和-0.069。拟合的模型为 §7.5 Logistic 回归 下面再加上性别变量进行拟合，得到对b0, b1和a0, a1的估计（同样事先确定为a1 0）分别为1.722, -0.072, 1.778, 0。对于女性和男性，该拟合模型分别可以表示为 SPSS实现 logi.sav Analize－Regression－Binary Logistic， 再把因变量 opinion 选入Dependent Variable，把自变量（age和sex）选入Covariates， Categorical，再把定性变量sex选入Categorical Covariate， 回到主对话框，点击OK即可得到结果。 SPSS的相关分析 相关分析 hischool.sav） 利用SPSS选项：Analize－Correlate－Bivariate 再把两个有关的变量 这里为j3和s1 选入，选择Pearson，Spearman和Kendall就可以得出这三个相关系数和有关的检验结果了 零假设均为不相关 。 SPSS的回归分析 自变量和因变量都是定量变量时的线性回归分析 hischool.sav 利用SPSS选项：Analize－Regression－Linear 再把有关的自变量选入Independent，把因变量选入Dependent，然后OK即可。如果自变量有多个（多元回归模型），只要都选入就行。 SPSS的回归分析 自变量中有定性变量（哑元）和定量变量而因变量为定量变量时的线性回归分析 hischool.sav 利用SPSS选项：Analize－General linear model－Univariate， 在Options中选择Parameter Estimates， 在主对话框中把因变量（s1）选入Dependent Variable，把定量自变量 j3 选入Covariate，把定性因变量（income）选入Factor中。 点击Model，在Specify Model中选Custom，再把两个有关的自变量选入右边，再在下面Building Term中选Main effect。然后就Continue-OK。 SPSS的Logistic回归 logi.sav 自变量为定量变量时：利用SPSS选项：Analize－Regression－Binary Logistic， 再把因变量 opinion 选入DependentVariable，把自变量（age）选入Covariates，OK即可得到结果。 自变量为定量变量及定性变量时：利用SPSS选项：Analize－Regression－Binary Logistic， 再把因变量 opinion 选入DependentVariable，把自变量（age和sex）选入Covariates，然后点Categorical，再把定性变量sex选入Categorical Covariate，回到主对话框，点击OK即可得到结果。 统计学 ─从数据到结论 第七章 相关和回归分析 §7.1 问题的提出 对于现实世界，不仅要知其然，而且要知其所以然。顾客对商品和服务的反映对于企业是至关重要的， 但是仅仅有满意顾客的比例是不够的；商家希望了解什么是影响顾客观点的因素，及这些因素如何起作用。 类似地