第3讲 回归分析詳解.pptVIP

回到例1：相关系数 定量变量的线性回归分析 对例1中的两个变量的数据进行线性回归，就是要找到一条直线来最好地代表散点图中的那些点。 检验问题等 对于系数b1=0的检验 对于拟合的F检验 R2 (决定系数) ＝SSR/SST,可能会由于独立变量增加而增加(有按自由度修正的决定系数：adjusted R2)， 简单回归时R等于相关系数 的绝对值 回到例1：R2等 多个自变量的回归 例子：RISKFAC.sav 不算序号和(192个)国家有21个变量 包括地区(Region)、(在城镇和乡村)使用干净水的％、生活污水处理的％、饮酒量(litre/yearperson)、(每万人中)内科医生数目、护士和助产士数、卫生工作者数、病床数、护士助产士和内科医生之比、卫生开支占总开支的％、占政府开支的％、人均卫生开支$、成人识字率、人均收入$、每千个出生中5岁前死亡人数、人口增长率％、(男女的)预期寿命(年)、每10万生育的母亲死亡数 例子：RISKFAC.sav 该数据有许多相关的变量和许多缺失值 假定要用各种变量描述每千个出生中5岁前死亡人数(因变量) 可以先做两两相关 也可以做定量变量的两两散点图等等 或者用逐步回归淘汰变量 目的在于摸清关系的底细 例子：RISKFAC.sav:相关 例子：RISKFAC.sav:逐步回归 RISKFAC.sav：散点图及自变量相关性Pearson相