剖析回归分析之理解和实例.pptVIP

3) 设置分析变量 设置因变量：用鼠标选中左边变量列表中的“幼虫密度[y]”变量，然后点击“Dependent”栏左边的 向右拉按钮，该变量就移到“Dependent”因变量显示栏里。 设置自变量：将左边变量列表中的“蛾量[x1]”、“卵量[x2]”、“降水量[x3]”、“雨日[x4]”变量，选移到“Independent(S)”自变量显示栏里。 设置控制变量: 本例子中不使用控制变量，所以不选择任何变量。 选择标签变量: 选择“年份”为标签变量。 选择加权变量: 本例子没有加权变量，因此不作任何设置。 * 4）回归方式 本例子中的4个预报因子变量是经过相关系数法选取出来的，在回归分析时不做筛选。因此在“Method”框中选中“Enter”选项，建立全回归模型。 * 5）设置输出统计量单击“Statistics”按钮，将打开如图对话框。该对话框用于设置相关参数。其中各项的意义分别为： * ①“Regression Coefficients”回归系数选项： “Estimates”输出回归系数和相关统计量。“Confidence interval”回归系数的95%置信区间。“Covariance matrix”回归系数的方差-协方差矩阵。 本例子选择“Estimates”输出回归系数和相关统计量。 * ②“Residuals”残差选项： “Durbin-Watson”Durbin-Watson检验。“Casewise diagnostic”输出满足选择条件的观测量的相关信息。选择该项，下面两项处于可选状态：“Outliers outside standard deviations”选择标准化残差的绝对值大于输入值的观测量；“All cases”选择所有观测量。 本例子都不选。 * ③ 其它输入选项 “Model fit”输出相关系数、相关系数平方、调整系数、估计标准误、ANOVA表。“R squared change”输出由于加入和剔除变量而引起的复相关系数平方的变化。“Descriptives”输出变量矩阵、标准差和相关系数单侧显著性水平矩阵。“Part and partial correlation”相关系数和偏相关系数。“Collinearity diagnostics”显示单个变量和共线性分析的公差。 本例子选择“Model fit”项。 * 6）绘图选项 在主对话框单击“Plots”按钮，将打开如图所示的对话框窗口。该对话框用于设置要绘制的图形的参数。图中的“X”和“Y”框用于选择X轴和Y轴相应的变量。 * 左上框中各项的意义分别为： “DEPENDNT”因变量。 “ZPRED”标准化预测值。 “ZRESID”标准化残差。 “DRESID”删除残差。 “ADJPRED”调节预测值。 “SRESID”学生氏化残差。 “SDRESID”学生氏化删除残差。 “Standardized Residual Plots”设置各变量的标准化残差图形输出。其中共包含两个选项： “Histogram”用直方图显示标准化残差。“Normal probability plots”比较标准化残差与正态残差的分布示意图。 “Produce all partial plot”偏残差图。对每一个自变量生成其残差对因变量残差的散点图。 本例子不作绘图，不选择。 * 7) 保存分析数据的选项 在主对话框里单击“Save”按钮，将打开如图所示的对话框。 * ①“Predicted Values”预测值栏选项： Unstandardized 非标准化预测值。就会在当前数据文件中新添加一个以字符“PRE_”开头命名的变量，存放根据回归模型拟合的预测值。Standardized 标准化预测值。Adjusted 调整后预测值。S.E. of mean predictions 预测值的标准误。 本例选中“Unstandardized”非标准化预测值。 ②“Distances”距离栏选项： Mahalanobis: 距离。Cook’s”: Cook距离。Leverage values: 杠杆值。 * ③“Prediction Intervals”预测区间选项： Mean: 区间的中心位置。Individual: 观测量上限和下限的预测区间。在当前数据文件中新添加一个以字符“LICI_”开头命名的变量，存放预测区间下限值；以字符“UICI_”开头命名的变量，存放预测区间上限值。Confidence Interval：置信度。 本例不选。 ④“Save to New File”保存为新文件： 选中“Coefficient statistics”项将回归系数保存到指定的文件中。本例不选。 ⑤