线性相关与回归(简单线性相关与回归、多重线性回归、Spearman等级相关)分解.ppt

线性相关与回归 模型拟和的优良性指标 R：复相关系数，反映了Y与M个自变量的总体相关系数； R2：决定系数（R Square） R2c：调整决定系数（Adjusted R square ），是对决定系数的修正，是更客观的指标。 这些指标越接近于1，说明回归模型拟合越好。 除了上述指标，还有残差标准误s，残差标准差越小，说明回归模型拟合越好。 2.哪些自变量对因变量有影响？（影响因素分析） 对回归模型的统计检验 当P0.05,则认为此回归模型有显著性。 对自变量的统计检验 当P0.05,则认为此自变量对因变量有影响。 自变量的筛选 实际应用中，通常从专业知识出发，建立一个简约（parsimonious）的回归模型，即用尽可能少的自变量拟合模型。 常用方法： 1.前进法（Forward）：逐步增加变量到模型中（由少到多），对已经进入的变量不再剔除；SPSS中默认的选入自变量的检验水准为0.05。 2.后退法（Backward）：从模型中逐步剔除变量（由多到少），对已经剔除的变量不再进入；SPSS中默认的剔除自变量的检验水准为0.10。 3.逐步法（Stepwise）：结合了前进法和后退法，变量边进入边剔除。 3.哪一个自变量对因变量的影响更重要？（自变量的相对重要性分析） 当自变量的量纲相同时，衡量自变量相对重要性的指标： 偏回归系数；若偏回归系数的绝对