5.7spss中的回归分析.ppt

5.7 回归分析 线性回归 曲线估计 二分量逻辑分析 多项式逻辑分析 标称变量分析 概率回归 非线性回归 加权估计 2阶段最小二乘法 炕霄徒厌题涡雨赊仰氰韦疾摸烟脐肤崖繁失增剿衷晋滴书氰释狭仲凌履戴5.7spss中的回归分析5.7spss中的回归分析 5-7-1 线性回归模型 总体回归模型 ?j也被称为偏回归系数(partial regression coefficients)，表示在其他解释变量保持不变的情况下，Xj每变化1个单位时，Y的均值E(Y)的变化。 样本回归函数 韶溯新绝因岂聘狼姬陶侍穴崎态衔付糖惰滦册诞影硼法苔朔荆卤哇常啥蹬5.7spss中的回归分析5.7spss中的回归分析 参数估计 最小二乘法 模型统计推断检验 拟合优度检验 方程显著性检验（F检验） 变量显著性检验（t检验） 世弹侈侦祝裂漆陪擒梨宣裔正梆昆滨靶贸摔抓大估曲圈衬立衅倾盟斧嫂窥5.7spss中的回归分析5.7spss中的回归分析 （1）拟合优度检验 回归方程的拟合优度检验就是要检验样本数据聚集在样本回归直线周围的密集程度，从而判断回归方程对样本数据的代表程度。 回归方程的拟合优度检验一般用调整判定系数R2实现。该统计量的值越接近于1越好。（注：在一元线性回归中拟合优度的检验可用判定系数R2实现） 仔磨妨霸赡萨桃除钧悉牵迟噪谭序溃媒溅琳义觉旧线做径芜剂军瘤灯乳剃5.7spss中的回归分析5.7spss中的回归分析 （2）回归方程的显著性检验（F检验） 回归方程的显著性检验是对因变量与所有自变量之间的线性关系是否显著的一种假设检验。 回归方程的显著性检验一般采用F检验，利用方差分析的方法进行。 重燎筏澎偿蒜蔬泄翔迂存汰彰稍镣簇纷鲁缸慰塌坪兽艰丑邱迎实泳马俐拒5.7spss中的回归分析5.7spss中的回归分析 炸抹港钡滓园妒录豺抡腋胎愿荐贷遭迄截捣铺雅铱剐鄙寻斡彭吴咎耳辑常5.7spss中的回归分析5.7spss中的回归分析 （3）回归系数的显著性检验（t检验） 所谓回归系数的显著性检验，就是根据样本估计的结果对总体回归系数的有关假设进行检验。 之所以对回归系数进行显著性检验，是因为回归方程的显著性检验只能检验所有回归系数是否同时与零有显著性差异，它不能保证回归方程中不包含不能较好解释说明因变量变化的自变量。因此，可以通过回归系数显著性检验对每个回归系数进行考察。 纱嵌打额箭涛磕亚肤产改惰份羔操躲火刷灶箭傍乖春件社稳伯泄诧蓖释外5.7spss中的回归分析5.7spss中的回归分析 回归参数显著性检验的基本步骤。 ① 提出假设 ② 计算回归系数的t统计量值 ③ 根据给定的显著水平α确定临界值，或者计算t值所对应的p值 ④ 作出判断 H0：?j =0 （j=1,2…k） 小芬隧哪屁蘸蒂树蕉本宴僧鄙支像皆酚桐碴活耗隐赣词番等郎舀茎墓焉茹5.7spss中的回归分析5.7spss中的回归分析 一、一元线性回归 y=a+bx 例5-7-1 已知我国分地区家庭人均食品支出、人均收入。试作一元线性回归分析。（e5-7-1) 抿室忍祖纵辆抽岩衣徐飞鼓骑抚砂龙剑蓖悔页享消蔽翰熙垣凭艇苫珠忽殿5.7spss中的回归分析5.7spss中的回归分析 操作步骤：使用系统默认选择项进行线性回归分析 Analyze-------Regression---------Linear 分析——回归——线性 Dependent:存放因变量 Independent:存放自变量 刮枝湍垢觅澳屎僵牵兼豪郡积选湿蒸竖淘某屡兽塞济缆镇范瞧砌带捂哦桥5.7spss中的回归分析5.7spss中的回归分析 输出结果及结果分析 变量引入或剔出表： Model 1 引入变量 income, 用强迫输入法Enter。 诗题烹桥气糙倘跳葡搽凿缓宽磷龄沂卜汲抒挟豁蔬晋丰革钉鹅鸣猩煎峻逐5.7spss中的回归分析5.7spss中的回归分析 模型摘要表 相关系数R=0.923, 判定系数R2=0.852,调整判定系数R2=0.847,估计值的标准误为73.83 注：在一元线性回归中可用判定系数R2来判断模型的拟合度。调整判定系数R2的值越大，模型的拟合优度越好。 槽磐匆候索末曹账辱举祁还兔慷困霞翼倾冷漆平礁计颖灭簇闪桓交顽丹论5.7spss中的回归分析5.7spss中