第九章节 回归分析(下).ppt

最优尺度回归 假如要研究年龄、居住地和受教育程度对生育子女数的影响，明显居住地和受教育程度分布是定类和定序变量，此时不能用一般的线性回归。这时可以通过构造哑变量（虚拟变量）或通过最优尺度回归，而后者综合解释能力更强。 实现途径：Analyze-Regression-Optimal Scaling Thank you 第九章 SPSS回归分析（下） 本章内容 多元线性回归的回归诊断 9.5 曲线估计 9.6 线性回归的衍生模型 多元线性回归的回归诊断 检验模型假定是否成立 与一元线性回归一样,通过残差分析，检验有关假定是否成立，如正态性、独立性、等方差性等。 异常值探查 通过标准化残差来探察 影响点探查 所谓影响点，是指其非标准化残差并不大，但删去后回归直线发生很大改变的点。它们将导致拟合模型偏向该数据点。 影响点的检测主要包括以下几种方法： (1)与杠杆率有关的检测 (2)逐步排除异常个案 (3)是否影响回归系数的方差 影响点的检测方法 与杠杆率有关的检测 LEVER centered leverage,是各观测自变量的各取值在模型中作用的度量。该值越大，表明影响力越大。一般认为超过2×(p/n),则影响力过大 COOK’s距离，用于衡量第i个观测被删除后，回归系数的改变。是残差和中心化杠杆率的函数。Cook’s 值越大，影响力越强。经验上，一般COOK’s距离大于1 ，通常认为是影响点 ??Mahanobis距离：为杠杆值的n-1倍，是自变量上个案的值与所有个案的平均值相异程度的度量。大的Mahalanobis距离表示个案在一个或多个自变量上具有极值 影响点的检测方法 逐步排除异常个案 回归系数的变化及其标准化 DfBeta,从模型中删去一个特定观测后，比较回归系数的前后变化。 标准化DfBeta，通常该值大于2/sqrt(n)时，认为是影响点。 预测值变化及其标准化 DfFit从模型中删除某个观测后引起的预测值的变化 标准化DfFit，通常默认的标准是该值大于2/sqrt(p/n)时，为影响点。其中p为包括常数项的参数个数 影响点的检测方法 是否影响回归系数的方差 ??协方差比例，指的是个案对参数估计的“方差－协方差矩阵”的影响度，等于删除后协方差矩阵行列式/全部个案的协方差矩阵的行列式、接近于1时，表明影响不大。经验上|协方差比例－1|3×（p/n）的点可视为影响点 Save选项，该窗口将回归分析的某些结果以SPSS变量的形式保存到数据编辑窗口中，并可同时生成XML格式的文件，便于分析结果的网络发布。 （1）Predicted Values框中：保存非标准化预测值、标准化预测值、调整的预测值和预测值的均值标准误差。 （2）Distance框中：保存均值或个体预测值95％（默认）置信区间的下限值和上限值。 （3）Residual框中：保存非标准化残差、标准化残差等。 （4）Influence Statistics框中：保存剔除第i个样本后统计量的变化量。 总结回归模型的建立步骤 作出散点图，观察变量间的趋势。 考察数据的分布，进行必要的预处理，分析变量的正态性、方差齐等问题，进行必要变换。 进行直线回归分析，包括变量的选择，是否存在多重共线性等 残差分析，残差间是否对立（DW检验），残差是否正态和存在异方差，通过图示法观察。 强影响点的诊断和多重共线性问题的判断 只有5步全部通过才能认为是一个统计学上无误的模型，才能于实际应用结合进行分析和预测。 8.5 曲线估计 8.5.1 曲线估计概述 变量间的相关关系中，并不总是表现出线性关系，非线性关系也是极为常见的。变量之间的非线性关系可以划分为本质线性关系和本质非线性关系。本质线性关系是指变量关系形式上虽然呈非线性关系，但可通过变量变换为线性关系，并最终可通过线性回归分析建立线性模型。本质非线性关系是指变量关系不仅形式上呈非线性关系，而且也无法变换为线性关系。本节的曲线估计是解决本质线性关系问题的。 常见的本质线性模型有： 1、二次曲线（Quadratic），方程为 ，变量变换后的方程为 2、复合曲线（Compound），方程为 ，变量变换后的方程为 3、增长曲线（Growth），方程为 ，变量变换后的方程为 4、对数曲线（Logarithmic），方程为 ，变量变换后的线性方程为 5、三次曲线（Cubic），方程为 ，变量变换后的方程为 6、S曲线（S），方程为 ，变量变换后的方程为 7、指数曲线（Expone