2012预测-第3讲(回归)-1重点.ppt

学生化残差是回归线为了照顾这些远离 的少数点导致的。学生化残差进一步解决了方差不等的问题，比标准化残差更经常被使用。删除残差：当数据中存在异常值，可能使回归线更靠近异常值而使标准化残差和学生化残差都失效，这时可使用删除残差。其基本思想为当测量第i个观测只是，用其余 个观测点建立回归方程，求出第 个观测值的估计值 ，求出删除残差 3 * * 可以发现，自变量之间完全不相关，是很难做到的。由于认识的局限性，一组自变量之间多少都会存在一些相关性，这种相关性也不一定产生不良的影响，因此，当自变量之间相关性较弱时，就认为它符合构造回归模型的条件，只有当自变量之间有较强的相关性时，我们才认为他违背了基本假设。 * 1) Estimates：SPSS默认输出项，输出与回归系数相关的统计量。包括回归系数（偏回归系数）、回归系数标准误差、标准化回归系数、回归系数显著性检验的t统计量和概率p值，各解释变量的容忍度。 2) Confidence Intervals：输出每个非标准化回归系数95％的置信区间。 3) Descriptive：输出各解释变量和被解释变量的均值、标准差、相关系数矩阵及单侧检验概率p值。 7) Covariance matrix：输出方程中各解释变量间的相关系数、协方差及各回归系数的方差. 4) Model fit：SPSS默认输出项，输出判定系数、调整的判定系数、回归方程的标准误差、回归方程显著F检验的方程分析表。 5) R squared change：输出每个解释变量进入方程后引起的判定系数的变化量和F值的变化量。 6) Part and partial correlation：输出方程中各解释变量与被解释变量之间的简单相关、偏相关系数。 8) Collinearity Diagnostics：多重共线性分析，输出各个解释变量的容忍度、方差膨胀因子、特征值、条件指标、方差比例等。 9) 在Residual框中：Durbin-waston表示输出DW检验值；Casewise Diagnostic表示输出标准化残差绝对值大于等于3（SPSS默认值）的样本数据的相关信息，包括预测值、残差、杠杆值等。 2、Options选项，出现的窗口可供用户设置多元线性回归分析中解释变量筛选的标准以及缺失值的处理方式。 选项对话框 3、Plot选项，出现的窗口用于对残差序列的分析。 绘制对话框 1) 窗口左边框中各变量名的含义是：DEPENDNT表示被解释变量，*ZPRED表示标准化预测值，*ZRESID表示标准化残差，*DRESID表示剔除残差，*ADJPRED表示调整的预测值，*SRESID表示学生化残差，*SDRESID表示剔除学生化残差. 2) 绘制多对变量的散点图，可根据需要在scatter框中定义散点图的纵坐标和横坐标变量。 3) 在Standardized Residual Plots框中选择Histogram选项绘制标准化残差序列的直方图；选择Normal probability plot绘制标准化残差序列的正态分布累计概率图。选择Produce all partial plots选项表示依次绘制被解释变量和各个解释变量的散点图。 保存对话框 4、Save选项，该窗口将回归分析的某些结果以SPSS变量的形式保存到数据编辑窗口中，并可同时生成XML格式的文件，便于分析结果的网络发布。 1) Predicted Values框中：保存非标准化预测值、标准化预测值、调整的预测值和预测值的均值标准误差. 2) Predicted Interval框中：保存均值或个体预测值95％(默认)置信区间的下限值和上限值。 3) Residual框中：保存非标准化残差、标准化残差等。 4) Influence Statistics框中：保存剔除第i个样本后统计量的变化量。 5、WSL选项，采用加权最小二乘法替代普通最小二乘法估计回归参数，并指定一个变量作为权重变量。 3.3.7(1) 线性回归应用举例 以高校科研研究数据为例，建立回归方程研究 1、课题总数受论文数的影响 2、以课题总数X5为被解释变量，解释变量为投入人年数X2、投入高级职称的人年数X3、投入科研事业费X4、专著数X6、论文数X7、获奖数X8。 1) 解释变量采用强制进入策略（Enter），并做多重共线性检测。 2) 解释变量采用向后筛选策略让SPSS自动完成解释变量的选择。 3) 解释变量采用逐步筛选策略让SPSS自动完成解释变量的选择。 相关回归分析（高校科研研究）.sav 强制进入策略-操作 回归方程的 拟合优度检 验(判定系数) 回归方程 的显著性 检验 强制进入策略-结果 回归系数 的显著性 检验 回归参