第九章_SPSS的线性回归.ppt

Save Variables框： ①Predicted values：表示保存预测值； ②Residual：表示保存残差； ③Prediction interval：表示保存预测值默认95％置信区间的上限和下限值。 Predict cases框中：只有当解释变量为时间时才可选该框中的选项。 ①Predict from estimation period through last case：表示计算当前所有样本期内的预测值； ②Predict through：表示计算指定样本期内的预测值 ③指定样本期在Observation框后输入。 ④本例希望预测2003年和2004年的值，应在Observation框后输入27。 Thank you （2）向后筛选（ Backward ）策略 ①变量不断剔除出回归方程的过程。 ②首先把所有变量全部引入回归方程，并对回归方程进行各种检验； ③在回归系数显著性检验不显著的一个或多个变量中，剔除t检验值最小的变量，并重新建立回归方程和进行各种检验 ④如果新建回归方程中所有变量的回归系数检验都显著，则回归方程建立结束；否则按上述方法再一次剔除最不显著的变量，直到再也没有可剔除的变量为止。 （3）逐步筛选（ Stepwise ）策略 ①在向前筛选策略的基础上结合向后筛选策略：向前策略中，变量一旦进入方程将不再被剔除，随着变量的不断引入，会由于变量间的多重共线性，使得已经引入的变量不再显著。 ②在每个变量进入方程后再次判断是否存在应该剔除出方程的变量。 ③逐步筛选策略在引入变量的每一个阶段都提供了再剔除不显著变量的机会。 1. 多重共线性是指解释变量之间存在线性相关关系的现象。 2.测度多重共线性一般有以下方式 （1）容忍度 ① 是第i个解释变量与方程中其他解释变量间的复相关系数的平方，表示解释变量之间的线性相关程度。 ②容忍度的取值范围在0-1之间，越接近0表示多重共线性越强，越接近1表示多重共线性越弱。 （2）方差膨胀因子VIF ①方差膨胀因子是容忍度的倒数。 ②VIF越大多重共线性越强，当VIF大于等于10时，说明存在严重的多重共线性。 9.4.2 多重共线性问题 （3）特征根和方差比 ①根据解释变量的相关系数矩阵求得的特征根中，如果最大的特征根远远大于其他特征根，则说明这些解释变量间具有相当多的重复信息。 ②如果某个特征根既能够刻画某解释变量方差的较大部分比例（0.7以上），又能刻画另一解释变量方差的较大部分比例，则表明这两个解释变量间存在较强的线性相关关系。 （4）条件指数 ①指最大特征根与第i个特征根比的平方根。 ②当条件指数在0-10之间时说明多重共线性较 ③当条件指数在10-100之间说明多重共线性较强； ④当条件指数大于100时说明存在严重的多重共线性 3.多重共线性的后果 （1）偏回归系数估计困难 （2）偏回归系数的估计方差随解释变量相关性的增大而增大 （3）偏回归系数的置信区间增大 （4）偏回归系数估计值不稳定性增大 （5）偏回归系数假设检验的结果不显著 例：为研究高等院校人文社会科学研究中立项课 题数受哪些因素的影响，收集某31个省市自治区部分高校有关社科研究方面的数据，进行多元线性回归分析，并作多重共线性诊断。其中因变量为立项课题数X5。 * 9.5 线性回归分析的基本操作 9.5.1选择菜单Analyze－Regression－Linear，出现窗口： （2）选择被解释变量进入Dependent框。 （3）选择一个或多个解释变量进入Independent(s)框。 （4）在Method框中选择回归分析中解释变量的筛选策略。 ①Enter表示所选变量强行进入回归方程，是SPSS默认的策略，通常用在一元线性回归分析中； ②Remove表示从回归方程中剔除所选变量； ③Stepwise表示逐步筛选策略； ④Backward表示向后筛选策略； ⑤Forward表示向前筛选策略。 （5）第三和第四步中确定的解释变量及变量筛选策略可放置在不同的块（Block）中。通常在回归分析中不止一组待进入方程的解释变量和相应的筛选策略，可以单击Next和Previous按钮设置多组解释变量和变量筛选策略并放置在不同的块中。 （6）选择一个变量作为条件变量放到Selection Variable框中，并单击Rule按钮给定一个判断条件。只有变量值满足判定条件的样本才参与线性回归分析。 （7）在Case Labels框中指定哪个变量作为样本数据点的标志变量，该变量的值将标在回归分析的输出图形中。 9.5.2 线性回归分析的其他操作 1.Statistics按钮 可供用户选择更多的输出统计量。 （1）Estimates：SP