《管理统计学》第10章.ppt

第十章 回归分析;一元回归分析;一、回归的起源; 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描述数量之间的这种内在关系的方法。;（1）相关分析的两个变量必须都是随机变量； 回归分析的因变量是随机变量。 （2）相关分析的两个变量是平等的；回归分析的因变量是被解释变量。解释变量可以是刻度级、顺序级、名义级的变量，不论是什么级别的数据,都必须用数字(numeric)型的来表示。 （3）相关分析是揭示两个变量的密切程度，通过相关系数；回归分析是揭示两个变量的 内在数量变化规律，通过回归方程。 ;四、回归分析的任务;五、回归分析的种类;回归方程的显著性检验;高斯假设;高斯假设;回归方程的显著性检验——F检验;回归效果的检验——判定相关系数检验;回归效果的检验——F检验;回归系数的显著性检验——T检验;总体均值的置信区间;回归系数的置信区间;标准化即剔除自变量单位的影响，是指对变量; SPSS的实现：Analyze菜单Regression项中选择Linear命令。; SPSS的实现：Analyze菜单Regression项中选择Linear命令。;Enter：强行进入法，即所选自变量全部进入模型。 Remove：强制剔除法，即建立回归方程时，根据设定的条件从回归方程中剔除部分自变量。 Backward：向后剔除法，根据Option对话框中设定的判据，先建立全模型，然后根据设置的判据，每次剔除一个使方差分析中的F值最小的自变量，直到回归方程中不再含有不符合判据的自变量为止。 Forward：向前选择法。 Stepwise：逐步进入法，根据Option对话框中设定的判据及方差分析结果，选择符合判据的自变量与因变量相关程度最高的进入回归方程。依据 Forward选入自变量，依据Backward 将模型中F值最小且符合剔除判据的变量剔除，重复; WSL选项是存在异方差时，利用加权最小二乘法替代普通最小二乘法估计回归模型参数。通过WSL可以选定一个变量作为加权变量。 在实际问题中，如果无法自行确定权重变量，可以用SPSS的权重估计来实现。;Descriptives：输出自变量和因变量的均值、 标准差、相关系数矩阵及单侧检验概率。;Casewise diagnostics：输出标准化残差绝对值≥3的样本数据点的相关信息，包括：标准化残差、观测值预测值、最小(最大)预测值、残差、最小(最大)残差以及它们的均值和标准差。 Outliers outside standard devistion：设置 奇异值的判据，默认≥3倍的标准差。 All case：输出所有样本数据有关残差值。;24; Plots对话框用来检验残差序列的正态性、随机性和是否存在异方差现象。;26;Mahalanobis：保存Mahalanobis距离; Use probalitlity of F：以回归系数显著性检验中各自变量的F统计量的相伴概率作为自变量是否引入模型或者从模型中剔除的标准。实际应用中，应使Entry值小于Remove值，否则，自变量一进入方程就会被立即剔除。;29;30;31;多元线性回归分析;或者;逐步回归;的显著性概率;第二种方法;概率 所对照的显著性水平;的自变量。因为每添加或; 回归分析是研究随机变量之间的相关关系的一种统计方法。其用意是研究一个被解释变量(因变量)与一个或多个解释变量(自变量)之间的统计关系。解释变量可以是刻度级、顺序级、名义级的变量。不论是什么级别的数据,都必须用数字(Numeric)型的来表示。 一、 一元线性回归;人均收入与人均食品支出关系的散点图;例如，某企业产品广告费和销售收入资料如下，判断广告费和销售收入之间关系密切程度如???？;Thank you !!!