SPSS数据分析：问题提出与实例导学 赵小军 理论+实验 课件 第08部分新.ppt

SPSS数据分析：问题提出与实例导学（第八部分） 主讲：赵小军（安庆师范学院） 祁禄（广州大学） 第八章 回归分析 第一节 基础知识 2、回归系数的显著性检验 对于回归系数b进行显著性检验后，如果b是显著的，同样也表明所建回归方程是显著的，或说X与Y之间存在显著的线性关系。 在一元回归分析中，回归方程的显著性检验与回归系数的显著性检验是等价的，所以只要选择一种检验即可。 三、多元回归模型的有效性检验 多元回归模型的有效性检验一般必须采用以下所有的方法： (一) 方差分析 （二）偏回归系数的显著性检验 某一个偏回归系数不显著时，回归方程可能仍然显著，因而在多重线性回归的检验中方差分析是对整个回归方程的显著性检验，是整体的检验，与单独进行每个偏回归系数的显著性检验不一定等效。就是说经方差分析，结果回归方程显著，但回归方程中每一个偏回归系数不一定都显著。 （三）测定系数 测定系数R2开方后得R，它表示因变量Y与k个自变量线性组合之间的相关，叫复相关系数。可以通过复相关系数的显著性检验来对回归方程进行检验，复相关系数显著则回归方程也显著。 四、一元线性回归的前提条件 （一）线性关系假设 回归分析必须建立在变量之间具有线性关系的假设之上； （二）正态性假设 正态性的假设系指回归分析中的Y服从正态分布； （三）独立性假设 独立性假设有两个意思。一个是指与某一个X值对应的一组Y值和与另一个X值对应的一组Y值之间没有关系，彼此独立。另一个是指误差项目独立，不同的X所产生的误差之间应相互独立，无自相关，而误差项也需与自变量X相互独立； （四）误差等分散性假设。 五、多元线性回归的前提条件 线性、独立、等方差和正态性假设，此时的正态性假设是指在给定一组X后，Y 的条件分布为正态分布。除此之外，以下的前提十分重要：①在多重回归分析中，若自变量间存在相关性，称为多重共线性，回归分析应避免严重的多重共线性存在。②在心理和教育研究中经常进行追踪实验，这时的Y变量与时间的积累有关，自身之间并不独立，后一个数据是在前一个数据基础上积累的。这种情况违背了“各个Y值子总体彼此独立”的基本假设，因而不宜使用前面所介绍的回归分析方法。 二、实例分析 [例8.1] 下表中10对数据是为确定某心理量与物理量之间的关系而做的实验结果（表中物理量是取对数后的值）。数据见实例8.1，试以这10对数据结果建立该心理量与物理量的回归方程。（参考张厚粲，徐建平著，《现代心理与教育统计学》，北京师范大学出版社，2004年） 1、线性分析 2、正态检验 3、相关分析 4、菜单选择 5、选择变量和回归方法 （1）设置自变量和因变量 （2）设置回归方法为Enter方法。 6、确认默认项Estimates和Model fit 7、结果输出（1）测定系数 测定系数r2=0.385，即自变量物理量可以解释因变量心理量的38.5%的变异。 （2）回归方程检验 F(1,8)=6.623，p＝0.0330.05，可以认为，回归方程显著。 （3）回归系数检验 t=2.573，p＝0.0330.05，可以认为，回归系数显著。 有关的回归方程为： 心理量=1.946+0.810×物理量。 第三节 多元线性回归分析 二、实例分析 从10个居民点采集到一批数据，数据见实例8.2，因变量y是表示想购置某种高档时装的青年人百分比，自变量X1表示某居民点的青年人的受教育水平的某种指数，自变量X2表示青年人所在家庭的月人均收入（元），要求建立X1与X2共同估计Y的回归方程。（参考张厚粲，徐建平著，《现代心理与教育统计学》，2004年） 1、线性分析（略）2、正态检验 3、相关分析 略 4、菜单操作 5、选择变量和回归方法 （1）设置自变量和因变量，将自变量x1，x2从左侧框中移入右侧Independent（s）框中,将因变量y从左侧框中移入右侧Dependent框中。 （2）选择回归方法Stepwise方法。 6、确认默认项“Estimates”和 “Model fit” 7、选择偏相关分析、多重共线性检验选项 偏相关分析勾选Part and partial correlations。 多重共线性检验选择Collinearity diagnostics项，由于本例题没有选择此项，请读者自己找到该选项，然后勾出。 8、结果输出（1）测定系数 测定系数r2=0.849，即自变量可以解释因变量的84.9%的变异。 （2）回归方程的有效性检验 F(1,8)=51.684，p＝0.0000.001，可