2第2章线性回归分析解析.pptVIP

选择参数窗口 结果窗口 Spearman相关系数 显著性值 2.4回归分析基本知识 相关分析能够知道变量间的相关（特别是线性相关）的紧密程度，但无法定量的描绘出确定的关系表达式。回归分析（线性回归分析）就是希望找出变量之间的关系表达式（线性函数表达式），从而用于预测、控制等问题。 重点介绍线性回归分析，其一般形式为： 多因变量： 单因变量： 回归分析的理论依据 要通过给定n组观测值（Y,X1，X2，…,Xp)来估计回归方程的系数β0，β1，…，βp，一般使用的是方差的最小二乘估计法。 求出正规方程： 的解即可。 回归方程的显著性检验 一元线性回归方程显著性检验的假设： 构造统计量： 服从F(p,n-p-1)分布 H0: β0=β1=…=βp=0 H1:至少有一个β不为0 因变量与自变量不存在线性关系 因变量与自变量存在线性关系 回归方程的显著性检验结果解释 如果概率p小于给定的显著性水平，则拒绝原假设，即认为因变量与自变量存在线性关系： 如果概率p大于给定的显著性水平，则接受原假设，即认为因变量与自变量不存在线性关系。 2.5回归分析操作介绍 选择Analyze（分析）→Regression（回归） 线性回归过程操作介绍 选择分析→回归→线性 ，如图： 变量分析方法 线性回归分析统计量介绍 选择统计量 ，如图： 1.单自变量一元线性回归案例 2.多自变量一元线性回归案例 2.