SPSS教程04(带图)_回归分析及多元线性回归三大问题_chenxy.docVIP

简单教程 04 相关配套数据 已经 上传百度文库： 配套软件 SPSS 17.0 已经上传百度文库； 百度文库搜索“SPSS简单教程配套数据及软件_chenxy” 百度云盘链接； 5. 回归分析 2 5.1 一元线性回归分析 2 5.2 回归分析—曲线估计 5 5.3 多元线性回归分析 10 5.3.1 多元线性回归分析—强制全部回归分析 10 5.3.2 多元线性回归分析_逐步回归分析 11 5.4 多元线性回归三大问题 13 5.4.1 问题1：判定多重共线性 13 5.4.2 对多重共线性处理 17 5.4.3 问题2：判定异方差 21 5.4.4 对异方差处理 26 5.4.5 问题3：判定序列相关 36 5. 回归分析 一元线性回归分析 多元线性回归分析 回归：揭示出不确定数量关系的内在数量变化规律，并通过一定的表达式 (回归方程 ) 描述数量之间的这种内在关系的方法。 被解释变量：必须是刻度级数据 解释变量：可以是刻度级、顺序级、名义级的变量 但是都必须用Numeric 型来定义 5.1 一元线性回归分析 效果检验 系数检验 操作步骤 1 （数据见文件回归分析） 回归系数的显著性检验—T检验 H0：回归方程不显著 H1：回归方程显著 针对回归系数的统计量的显著性检验决定了相应的变量能否作为解释变量进入回归方程。 Analyze- Regression- Linear Continue-OK 结果如下 SSR =508 SSE= 254044.393 F= 27.576 P = 0.000 0.05；故拒绝原假设H0；有95%的把握认为回归方程显著 操作步骤2 回归方程的效果检验 判定相关系数法 判定相关系数越接近1 表明回归平方和占离chat平方和的比例越大，用x的变动解释y变动的部分就越多，回归的效果就越好。 分析结果如下 0.956 自变量（人均月收入，广告投入）和因变量（销售额）之间存在着极度相关关系 由表可知：判定相关系数为0.915；说明回归平方和占总离差平方和的比例91.5%，用（人均月收入，广告投入）的变动 解释 （销售额）变动的比例为91.5%，且该回归的效果非常好； 调整的判定系数（校正的判定系数） 公式（待补充）R^2 校正后 不考虑自由度校正与否不会差异太大 操作步骤 3 系数检验： 含常数项的检验 一元 2 个 二元 3 个 以此类推 H0：=0； H1：0； （ 决定了这个变量是否进入回归方程 ） Constant P值 = 0.01 0.05 即选择B一列 反之 P值0.05; 则该方程不含常数项，选择Standardized (标准化系数) 检验其他系数： X1能不能进入回归方程 P=0.0010.05 即这个变量能进入回归方程 X2能不能进入回归方程 P=0.0070.05 即这个变量能进入回归方程 y = 8.577 + 599.454+2116.516 附注：从而判断实际最后得到的方程的最高次项判定该模型实际含义 5.2 回归分析—曲线估计 操作步骤1 （数据文件见回归分析_曲线估计 ） （ 以下英文步骤了解即可，暂不实际操作，后面通过转化成中文界面再实际操作 ） Analyze -Regression- Curve Estimation 进入 下面窗口 勾选相应多选框 Model : 所有曲线名字 点击右上角Save 按钮 查看 该窗口 暂不 Continue-OK 第一次操作由于输出表格过多且相应曲线模型较多，转换成汉语界面，该次分析转换成汉语界面，便于了解输出结果的具体模型名称，查看输出结果： General 将 language 选择 Simplified Chinese OK 中文操作步骤 ： 分析 - 回归 - 曲线估计 勾选各选择项 点击右上角 保存 按钮 继续 - 确定 确定 输出界面分析 首先会根据 所勾选的 曲线估计模型 生成每一种曲线估计对应的三个表格 Model Summary 模型总汇表格 ANOVA 表格 Coefficients 系数表格 首先根据 模型总汇表 中 R和R方值（R Square） 简单比较各曲线的模型优劣，选择R和R方值越接近1的模型越合适，然后具体筛选，分析 然后以一两种表格举例具体分析 分析案例 1 ： 条件一： 模型总汇表 检验相关系数 判定回归效果好坏 R为自变量和因变量之间的相关系数，R=1.0说明两者之间完全相关 R方（R Squa