回归分析和结果说明2.doc

  1. 1、本文档共3页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
回归分析和结果说明2

本人仍然用这个例子。目的是完成昨天还没有说完的各种统计量 20头黄牛的数据如下 体长胸围体重151.5186462156.2186496146193458136.1193463146.2172388149.8188485155197456144.5175392147.2175398145.2185437138172378142.5192446141.5180396149183426154.2193506152187457158190506146.8189455147.3183478151.3191454 Anovab模型平方和df均方FSig.1回归21674.093210837.04623.618.000a残差7800.45717458.850总计29474.55019其实,说白了,方差分析表看的就是最后的那个Sig值。什么平方和,自由度,均方,最后要的都是那个Sig值。目的就是检验零假设成立与不成立。这里只要知道零假设,就可以根据Sig值与显著性0.05的大小比较来判断,如果大于0.05,零假设成立,如果小于0.05,零假设不成立。原理一大堆,但是只要记住这个结果,知道零假设,任何方差分析表都可以驾驭。本回归中的零假设为回归系数是零,也即是回归方程不成立。但是本例中结果为0.000,说明零假设不成立,回归方程有意义。  模型非标准化系数标准系数B标准 误差试用版1(常量)-569.131149.940 体长2.679.910.395胸围3.341.714.628B为非标准化回归系数。也称偏回归系数。是在控制其他变量后得到的。只有当所有的自变量统一时,它们才有可比性。由方差分析结果可知,;偏回归系数至少有一个显著。说白了,这个系数就是回归方程自变量的系数和常数。可以由这个系数得到回归方程。本例中为。 Y=-569.131+2.679X1+3.341X2  tSigB 的 95.0% 置信区间下限上限-3.796.001-885.476-252.7872.943.009.7594.6004.678.0001.8344.847回归的假设检验的Sig都小于0.05.说明都有统计意义。  T为偏回归系数为0的假设检验的t值,具有较好的预测效果的变量t值应该大于2或者小于-2,本例中都大于2 相关性共线性统计量零阶偏部分 容忍度VIF     .628.581.367.8631.159.775.750.584.8631.159 VIF指的是方差膨胀因子,就是容忍度的倒数。其值越大,共线性越强。本例中VIF都比较小,所以,几乎没有共线性。 容忍度其值介于0到1之间,其值越小,自变量与其他自变量之间共线性的关系越强,,但是使用容忍度需要观测量一定要服从正态分布 共线性诊断a???型维数特征值条件索引方差比例(常量)体长胸围112.9981.000.00.00.002.00156.532.00.63.743.00166.4121.00.37.26其值越大,说明共线性可能越大,大于等于30有严重共线性,本例即是 当若干特征值较小并且接近0时,说明某些变量之间存在很高的相关性,这些变量的观测量出现较小的变化时,会导致回归系数较大变化。本例中说明特征值都接近0. a. 因变量: 体重 怎样解决共线性问题? 可以增加样本量,或者剔除不重要的自变量,或者重新抽取样本数据

文档评论(0)

shaoye348 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档