chapter25多元线性回归practice.pptVIP

多元线性回归的SPSS实现;1、多元线性回归的前提假设 2、衡量多元线性回归方程优劣的标准 各子对话框介绍 3、多元性回归的SPSS实现 常选按钮 结果分析 4、多元线性回归预测和区间估计;一、线性回归的前提假设及SPSS操作实现;1、线性趋势（Graphs?Legaly Dialogs?Scatter/dot?Matrix Scatter）(即散点图判断);1、线性趋势（Graphs?Legaly Dialogs?Scatter/dot?Matrix Scatter）(即散点图判断);1、线性趋势（Graphs?Legaly Dialogs?Scatter/dot?Matrix Scatter）(即散点图判断);2、正态性（ Graphs?Legaly Dialogs?Histogram）;2、正态性（ Graphs?Legaly Dialogs?Histogram）;3、方差齐性（Analyze→Regression→Linear Regression：plot选项介绍）;二、衡量多元线性回归模型优劣的标准;二、衡量多元线性回归模型优劣的标准;二、衡量多元线性回归模型优劣的标准;三、线性回归的SPSS实现;SPSS提供了五种选取变量的方法： 强迫进入变量法（Enter）：常用方法，强迫所有变量有顺序进入回归方程式。若研究者有事先建立的假设，决定变量重要性层次则该适用该法。 逐步多元回归分析法（Stepwise）：逐一、重复筛查引入变量，直至获得最好模型。 向前进入法（Forward）：对各变量拟合其与因变量的模型，将p值最小的模型对应的自变量首先选入方程。 向后进入法（Backward）：对各变量拟合其与因变量的模型，将p值最大的模型对应的自变量首先剔除出方程。 删除法（Remove）：自变量被强制剔除出模型。;1、 SPSS中的回归分析操作（Analyze→Regression→Linear Regression）：各复选框基本知识介绍 ;默认输出项，输出与回归系数相关的统计量，如回归系数、回归系数标准误、标准回归系数、统计量和相应的相伴概率值、各自变量容忍度等。; 多重共线性的识别（Collinearity Diagnostics） 容忍度（Tolerance）：等于1减去以该自变量为反应变量Independent框中选入的其他自变量为自变量所得到的线性回归模型的决定系数。容忍度越小，多重共线性越严重。 方差膨胀因素（Variance Inflation Factor，VIF）：容忍度的倒数；VIF越大，多重共线性问题越大。 条件指针（Condiction Index，CI 值）：等于最大的主成分与当前主成分的比值的算术平方根。所以第一个主成分相对应的条件指数总为1.同样，如果几个条件指数较大（如30），则提示存在多重共线性。; 多重共线性的识别（Collinearity Diagnostics） 特征根（Eigenvalue）：对模型中常数项及所有自变量计算主成分，如果自变量间存在较强的线性相关关系，则前面的几个主成分数值较大，而后面的几个主成分较小，甚至接近0。 变异构成（Variance Proportion）:回归模型中各项（包括常数项）的变异被各主成分所解释的比例，如果某个主成分对两个或多个自变量的贡献均较大（大于0.5），说明这几个自变量间存在一定程度的共线性。 ;多重共线性的识别;1、 SPSS中的回归分析操作（Statistics介绍）;1、 SPSS中的回归分析操作（Statistics介绍）;1、 SPSS中的回归分析操作（Plot介绍）;1、 SPSS中的回归分析操作（Plot介绍）;1、 SPSS中的回归分析操作（Plot介绍）;1、 SPSS中的回归分析操作（Plot介绍）;1、 SPSS中的回归分析操作（Plot介绍）;1、 SPSS中的回归分析操作（Plot介绍）;1、 SPSS中的回归分析操作（Plot介绍）;1、 SPSS中的回归分析操作（save介绍）;1、 SPSS中的回归分析操作（Save介绍）;1、 SPSS中的回归分析操作（Save??绍）;1、 SPSS中的回归分析操作（Save介绍）;2、回归分析的SPSS实现（Analyze→Regression→Linear Regression）：实现时各子对话框最常用的选项;2、回归分析的SPSS实现（Analyze→Regression→Linear Regression