第十五章_SPSS的线性回归分析.pptVIP

9.7.1.1常见的本质线性模型有： （1）二次曲线（Quadratic） 方程为 变量变换后的方程为 （2）复合曲线（Compound） 方程为 变量变换后的方程为 （3）增长曲线（Growth） 方程为 变量变换后的方程为 4.对数曲线（Logarithmic） 方程为 变量变换后的线性方程为 5.三次曲线（Cubic） 方程为 变量变换后的方程为 6.S曲线（S） 方程为 变量变换后的方程为 7.指数曲线（Exponential） 方程为 变量变换后的线性方程为 8.逆函数（Inverse） 方程为 变量变换后的方程为 9.幂函数（Power） 方程为 变量变换后的方程为 10.逻辑函数（Logistic） 方程为 变量变换后的线性方程为 SPSS曲线估计 （1）在不能明确究竟哪种模型更接近样本数据时，可在多种可选择的模型中选择几种模型； （2）SPSS自动完成模型的参数估计，并输出回归方程显著性检验的F值和概率p值、判定系数R2等统计量； （3）以判定系数为主要依据选择其中的最优模型，并进行预测分析等； （4）SPSS曲线估计还可以以时间为解释变量实现时间序列的简单回归分析和趋势外推分析。 （3）曲线估计中的解释变量可以是相关因素变量，也可是时间变量。 ①如果解释变量为相关因素变量，则选择Variable选项，并把一个解释变量指定到Independent框； ②如果选择Time参数则表示解释变量为时间变量。 （4）在Models中选择几种模型。 （5）Plot Models选项绘制回归线； （6）Display ANOVA table：输出各个模型的方差分析表和各回归系数显著性检验结果。 （6）SPSS将根据选择的模型自动进行曲线估计，并将结果显示到输出窗口中。 1.教育支出的相关因素分析 为研究居民家庭教育支出和消费性支出之间的关系，收集到1978年至2002年全国人均消费性支出和教育支出的数据 （1）首先绘制教育支出和消费性支出的散点图， （2）观察散点图发现两变量之间呈非线性关系，可尝试选择二次、三次曲线、复合函数和幂函数模型，利用曲线估计进行本质线性模型分析。 （3）教育支出为被解释变量，消费性支出为解释变量。 9.7.3 应用举例 2.分析和预测居民在外就餐的费用 利用收集到1978年至2002年居民在外就餐消费的数据，对居民未来在外就餐的趋势进行分析和预测。 （1）首先绘制就餐费用的序列图，选择菜单Graphs－Sequence。 （2）得到的序列图表明自80年代以来居民在外就餐费用呈非线性增加，90年代中期以来增长速度明显加快，大致呈指数形式，可利用曲线估计进行分析。 （3）由于要进行预测，因此在曲线估计主窗口中要单击Save按钮，出现如下窗口： Save Variables框： ①Predicted values：表示保存预测值； ②Residual：表示保存残差； ③Prediction interval：表示保存预测值默认95％置信区间的上限和下限值。 Predict cases框中：只有当解释变量为时间时才可选该框中的选项。 ①Predict from estimation period through last case：表示计算当前所有样本期内的预测值； ②Predict through：表示计算指定样本期内的预测值 ③指定样本期在Observation框后输入。 ④本例希望预测2003年和2004年的值，应在Observation框后输入27。 1.可通过绘制并观察样本数据的散点图粗略确定被解释变量和解释变量之间的相关关系，为曲线拟合中的模型选择提供依据。 2.SPSS曲线估计的基本操作步骤 （1）选择菜单Analyze－Regression－Curve Estimation，出现窗口如下页所示 （2）把被解释变量选到Dependent框中 9.7.2 曲线估计的基本操作 Thank you * * * * * * * * * * * * * * * * 4.异方差的处理 （1）对自变量实施方差稳定变换，再进行回归方程参数的估计。 ①残差与预测值的平方根成比例变化—对自变量作开方处理 ②残差与预测值成比例变化—对自变量取对数 ③残差与预测值的平方成比例变化—对自变量求倒数 （2）利用加权最小二乘法估计回归方程参数 15.3.4.4.探测样本中的异常值（outlier） 1. 异常值：远离均值的样本数据点，对回归方程参数估计有较大影响。 2. 异常值的探测方法 （1）标准化残差（ ） 的绝对值大于3的为异常值 （2）学生化残差（ ） 绝对值大于3对应的观察值为异常值。