SPSS初中级培训——简单回归分析.ppt

SPSS初中级培训——简单回归分析 项莹 浙江中医药大学管理学院 在实际问题中，由于所要研究的现象的总体单位数一般是很多的，在许多场合甚至是无限的，因此无法掌握因变量y总体的全部取值。也就是说，总体回归方程事实上是未知的，需要利用样本的信息对其进行估计。显然，样本回归方程的函数形式应与总体回归方程的函数形式一致。 通过样本数据建立一个回归方程后，不能立即就用于对某个实际问题的预测。因为，应用最小二乘法求得的样本回归直线作为对总体回归直线的近似，这种近似是否合理，必须对其作各种统计检验。一般经常作以下的统计检验。 （1）拟合优度检验 回归方程的拟合优度检验就是要检验样本数据聚集在样本回归直线周围的密集程度，从而判断回归方程对样本数据的代表程度。 回归方程的拟合优度检验一般用判定系数R2实现。该指标是建立在对总离差平方和进行分解的基础之上。 （2）回归方程的显著性检验（F检验） 回归方程的显著性检验是对因变量与所有自变量之间的线性关系是否显著的一种假设检验。 回归方程的显著性检验一般采用F检验，利用方差分析的方法进行。 （3）回归系数的显著性检验（t检验） 所谓回归系数的显著性检验，就是根据样本估计的结果对总体回归系数的有关假设进行检验。 之所以对回归系数进行显著性检验，是因为回归方程的显著性检验只能检验所有回归系数是否同时与零有显著性差异，它不能保证回归方程中不包含不能较好解释说明因变量变化的自变量。因此，可以通过回归系数显著性检验对每个回归系数进行考察。 回归参数显著性检验的基本步骤。 ① 提出假设 ② 计算回归系数的t统计量值 ③ 根据给定的显著水平α确定临界值，或者计算t值所对应的p值 ④ 作出判断 简单回归的基本适用条件 线性回归分析的具体步骤 SPSS软件中进行线性回归分析的选择项为Analyze→Regression→Linear。如图3.9所示。下面通过例题介绍线性回归分析的操作过程。 例3. 仍然用例2的数据，考察火柴销售量与各影响因素之间的相关关系，建立火柴销售量对于相关因素煤气户数、卷烟销量、蚊香销量、打火石销量的线性回归模型，通过对模型的分析，找出合适的线性回归方程。 解：建立线性回归模型的具体操作步骤如下： 1、打开数据文件SY-9，单击Analyze ? Regression ? Linear打开Linear 对话框如图3.10所示。 2、从左边框中选择因变量Y进入Dependent 框内，选择一个或多个自变量进入Independent框内。从Method 框内下拉式菜单中选择回归分析方法，有强行进入法(Enter)，消去法(Remove)，向前选择法(Forward)，向后剔除法(Backward)及逐步回归法(Stepwise)五种。本例中选择逐步回归法(Stepwise)。 3、单击Statistics，打开Linear Regression： Statistics对话框，可以选择输出的统计量如图3.11所示。 Regression Coefficients栏，回归系数选项栏。 Estimates (系统默认): 输出回归系数的相关统计量：包括回归系数，回归系数标准误、标准化回归系数、回归系数检验统计量（t值）及相应的检验统计量概率的P值（sig）。本例中只选择此项。 Confidence intervals:输出每一个非标准化回归系数95％的置信区间。 Covariance matrix: 输出协方差矩阵。 与模型拟合及拟合效果有关的选择项。 Model fit是默认项。能够输出复相关系数R、R2及R2修正值，估计值的标准误，方差分析表。 R squared change: 引入或剔除一个变量时，R2的变化。 Descriptives: 基本统计描述。 Part and Partial correlations：相关系数及偏相关系数。 Collinearity diagnostics：共线性诊断。主要对于多元回归模型，分析各自变量的之间的共线性的统计量：包括容忍度和方差膨胀因子、特征值，条件指数等。 本例中选择上面所有的统计项。 Residuals 残差栏 Durbin-Watson：D.W检验. Casewise diagnostics: 奇异值诊断,有两个选项： Outliers outside( )standard deviations:奇异值判据，默认项标准差≥3。 All case 输出所有观测量的残差值。 本例中选择D.W检验及奇异值诊断，选择标准差为2，即置信度约为95%。 4、如果需要观察图形，可单击Plots按纽，打开Linear Regression：Plots对