9(回归)课题.ppt

* * * 回归的显著性检验（F检验） 回归系数的显著性检验 t检验 例2 : 某公司为了了解营销手段对某一种食品产品的销售量产生的影响，统计了三年期间的周销售数据，见SPSS数据文件 food.sav。 以周销售量为因变量,促销价格和特色广告 为自变量,建立线性回归模型. GRAPH /SCATTERPLOT(OVERLAY)=promp feat disp WITH vol vol vol (PAIR) /MISSING=LISTWISE /TITLE= 周销售量与促销价格、特色广告、和陈列费用散点图 /FOOTNOTE= 数据来源：food.sav. REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT vol /METHOD=ENTER promp feat . SPSS操作 —— 仍选择菜单中的“Analyze = Regression = Linear”选项， 回归方程为 vol = 171500.1 – 9042.6 promp + 100.7 feat + e 经检验，上式中各变量(的参数)均是显著(≠0)的。 上式结果表明：如果特色广告保持不变，则促销价格每上涨一元，周销售下跌9042.6元；如果促销价格保持不变，则每增加一元的特色广告投入，会带来100.7元的周销售量的增加。 例3 : 某公司为了了解营销手段对某一种食品产品的销售量产生的影响，统计了三年期间的周销售数据，见SPSS数据文件 food.sav。 以周销售量为因变量,促销价格、特色广告 和陈列费用为自变量,建立线性回归模型并分析. REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT vol /METHOD=ENTER promp feat . 残差(residual) 度量了数据和拟合值间的偏离 反映了反映变量中不能由回归模型解释的部分 ?的实现(观测)值 3 残差分析 是以自变量x作横轴（或以因变量回归值作横轴） 以残差作纵轴，将相应的残差点画在直角坐标系上，就可得到残差图. 残差图: 正常的残差图 异方差 异方差 非线性 正态概率图 如果正态性假设成立,那么图中的点将形成一条直线 目的:检验模型的正态性假设 异常值: y空间上的异常值点 标准化残差 学生化残差 异常值 删除残差 删除学生化残差 例2（续） : 见SPSS数据文件 food.sav。 以周销售量为因变量,促销价格、特色广告 为自变量,建立线性回归模型，并作残差分析 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT vol /METHOD=ENTER promp feat /SCATTERPLOT=(*ZPRED ,vol ) (*ZRESID ,*ZPRED ) (*SRESID ,*ZPRED ) /RESIDUALS HIST(ZRESID) NORM(ZRESID) . 例3 （续） : 见SPSS数据文件 food.sav。 以周销售量为因变量,促销价格、特色广告 和陈列费用为自变量,建立线性回归模型并分析，并作残差分析 第 1步： 首先将全部K个回归变量，分别对响应变量y建立K个一元线性回归方程，并分别 计算这K个一元线性回归方程的K个回归系数的F检验值，设起其最大值为F,若 FFin 将所对应的回归变量首先引入回归 方程,设引入的变量为x1。 一、前进法(forward selection) 逐步回归法 4 其他问题 回归方程中 的回归系数进行偏 F检验,若其最大检验统计量 y分别与 建立K-1个二元线性回归方程，再对这K-1个 将所对应的回归变量引入回归方程。 第2步： 入方程的回归变量的F值均小于 时 为止。这时，得到的回归方程就是最终确定的方程。