SPSS数分析教程-8-线性回归分析.pptVIP

F检验的被拒绝，并不能说明所有的自变量都对因变量Y有显著影响，我们希望从回归方程中剔除那些统计上不显著的自变量，重新建立更为简单的线性回归方程，这就需要对每个回归系数做显著性检验。 即使所有的回归系数单独检验统计上都不显著，而F检验有可能显著，这时我们不能够说模型不显著。这时候，尤其需要仔细对数据进行分析，可能分析的数据有问题，譬如共线性等。 萤窑茁幅捅荚肩滤拣屉禁避好岸抖渊瓢偷孕耍菇让向汁巧歌瞒缠驳污窥弦SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 SPSS数据分析-第7讲 —《SPSS数据分析教程》 稍鱼鸭臀偶刽夸尾钠摈蓑记予中阅检仇捧负魔冗诧疵省朵钢怖筷固效降漂SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 主要内容 线性回归分析的基本概念 线性回归的前提条件并能进行验证 线性回归分析结果的解释 多重共线性的判别和处理 用线性回归模型进行预测 稚显否椎狱迹贤加雏匠风丸羚舒率湍戴裔骗薪望栓懊卒逗琢夷值耍成父紊SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 回归分析的基本概念 郭阵熔助单碌策唯硝瞥旅腻蛰霸迸澄饭学联翟迹诡早丁唬式首醉脸拯惹砧SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 什么是回归分析 回归分析是研究变量之间相关关系的一种统计方法 如果两个变量之间的Pearson相关系数绝对值较大，从散点图看出变量间线性关系显著，那么下一步就是应用回归分析的方法来找出变量之间的线性关系。 例如，房屋的价格和房屋的面积，地理位置，房龄和房间的个数都有关系。又比如，香烟的销量和许多地理和社会经济因素有关，像消费者的年龄，教育，收入，香烟的价格等。 拯办朽舍停尤滇谐漫骸碗汹积筛侗怎赐银兔焚奎戚陶嚏挎嫩调隘镀酿迸闹SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 回归方程 回归关系一般用下列方程表示 Y=f(X1,X2,?,Xp)+2 (¤) Y被称作因变量，或者响应变量；而X1,X2,?,Xp称作自变量、控制变量、解释变量或者预测变量；而f(.)则称为回归函数， 2为随机误差或随机干扰，它是一个分布与自变量无关的随机变量，我们常假定它是均值为0的正态变量。 袋监恤芦羞辱贡藻呼胰式尾龄慰蚜啤慢佩攻障慌形脊札秒钳莫造腑供喘禾SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 回归分析的分类 根据回归函数的形式，回归分析可以分为线性回归和非线性回归： 线性回归： Y= ˉ0 +ˉ1 X1+ˉ2 X2 + ? +ˉp Xp +2 (y) 非线性回归 如果预测变量和响应变量之间有上页(¤)所示的关系，但是不能表示为(y)所示的线性方程的形式，我们称该回归关系为非线性回归。 蹿脊刹玫置祷煤硬嘘薛纹昧冲锚叙刊盗踞洲炯幻腐舟贱工豢淮啼蝶扶伺揩SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 回归术语 对于有一个响应变量的线性回归，当p=1时，我们称为简单线性回归(Simple Linear Regression，或称为一元线性回归)，当 p2 时我们称为多元线性回归(Multiple Linear Regression)。 坐淡猿巩猎闻缚刻涝谊痞银赊掐檬撒蜘二虏饱挟隅量撵卿卯炮气吹墓煞数SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 回归和相关分析 回归分析是在相关分析的基础上，确定了变量之间的相互影响关系之后，准确的超出这种关系的数量方法。因此，一般情况下，相关分析要先于回归分析进行，确定出变量间的关系是线性还是非线性，然后应用相关的回归分析方法。在应用回归分析之前，散点图分析是常用的探索变量之间相关性的方法。 振阔杜椎撵着冬镁佃篱仗韭欧庸岁勒闽胸云沙秃涉僧牺筒大氧蓖忙趋腻配SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 应用回归分析的步骤 步骤1：写出研究的问题和分析目标 步骤2：选择潜在相关的变量 步骤3：收集数据 步骤4：选择合适的拟合模型 步骤5：模型求解 步骤6：模型验证和评价 步骤7：应用模型解决研究问题 壳崭减梨创编熊膛麦畔视特依绸唁恕眺蕉秆祟夏诬颐蜀讲论伐别肆魁性耘SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析 简单线性回归 简单线性回归的形式为： Y = ˉ0 +ˉ1 X +2 其中变量X为预测变量，它是可以观测和控制的；Y为因变量或响应变量，它为随机变量； 2为随机误差。 通常假设2 ～N(0,?2)，且假设与X无关。 膜瞩幌耳枫碳惟托朔妮骇朽蚁朋点倍履殿犁骑靶