线性回归(异方差的诊断、检验和修补)—SPSS操作.doc

线性回归(异方差的诊断、检验和修补)—SPSS操作.doc

  1. 1、本文档共8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
线性回归(异方差的诊断、检验和修补)—SPSS操作 首先拟合一般的线性回归模型,绘制残差散点图。步骤和结果如下: 为方便,只做简单的双变量回归模型,以当前工资作为因变量,初始工资作为自变量。(你们自己做的时候可以考虑加入其他的自变量,比如受教育程度等等) Analyze——regression——linear 将当前工资变量拉入dependent框,初始工资进入independent 点击上图中的PLOTS,出现以下对话框: 以标准化残差作为Y轴,标准化预测值作为X轴,点击continue,再点击OK 第一个表格输出的是模型拟合优度,为0.775。调整后的拟合优度为0.774. 第二个是方差分析,可以说是模型整体的显著性检验。F统计量为1622.1,P值远小于0.05,故拒绝原假设,认为模型是显著的。 第三个是模型的系数,constant代表常数项,初始工资前的系数为1.909,t检验的统计量为40.276,通过P值,发现拒绝原假设,认为系数显著异于0。 以上是输出的残差对预测值的散点图,发现存在喇叭口形状,暗示着异方差的存在, 故接下来进行诊断,一般需要诊断异方差是由哪个自变量引起的,由于这里我们只选用一个变量作为自变量,故认为异方差由唯一的自变量“初始工资”引起。接下来做加权的最小二乘法,首先计算权数。 Analyze——regression——weight estimation 再点击options, 点击continue,再点击OK,输出如下结果: 由于结果比较长,只贴出一部分,第二栏的值越大越好。所以挑出来的权重变量的次数为2.7。得出最佳的权重侯,即可进行回归。 Analyze——regression——linear 继续点击save, 在上面两处打勾,点击continue,点击ok 这是输出结果,和之前同样的分析方法。 接下需要绘制残差对预测值的散点图,首先通过transform里的compute计算考虑权重后的预测值和残差。 以上两个步骤后即可输出考虑权重后的预测值和残差值 然后点击graph,绘制出的散点图如下:

文档评论(0)

ktj823 + 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