回归分析 - 辅仁大学管理学院.ppt

2常態性檢定-步驟3 2常態性檢定-步驟4 2常態性檢定-步驟5 2常態性檢定-步驟6 2常態性檢定-步驟7 2常態性檢定-步驟8 2常態性檢定-步驟9 常態檢定 ? Kolmogorov- Smirnov檢定a Shapiro-Wilk常態 性檢定 統計 量 自由 度 顯著 性 統計 量 自由 度 顯著 性 Unstandardized Residual .124 16 .200* .980 16 .966 a. Lilliefors 顯著性校正 *. 此為真顯著性的下限。 結論: 因為樣本數為16故使用Shapiro-Wilk常態性檢定，顯著性=0.9660.05， :常態 v.s. :非常態，故不拒絕 ，表示殘差分佈為常態。 =迴歸模型的常態性通過。 3同質性檢定-步驟1 3同質性檢定-步驟2 3同質性檢定-步驟3 3同質性檢定-報表解讀1 3同質性檢定-報表解讀2 判斷準則: 若散布圖沒有在0線上下均勻跳動之趨勢，則違反變異數同質性；若有在0線上下均勻跳動之趨勢，表示符合變異數同質性。 違反圖: 迴歸分析中常見的專有名詞 1.判定係數:符號 (1)意義:依變數可以被自變數解釋的比例。 (2)缺點:自變數增加會使得迴歸模型的判定係數變大，因此，結果好可能只是因為放入的自變數太多所造成，而非自變數對依變數有實質的影響。 2.調整後判定係數:符號 意義:排除過多自變數造成預測能力增加情形的判定係數。 操作練習3 迴歸分析(Regression Analysis) 迴歸分析的用途與分類 利用自變數預測依變數的情況。 透過迴歸方程式了解自變數對依變數的影響情況。 例如: (1)由父母身高預測子女身高 (2)用人口成長預測電話用戶數的成長 (3)以廣告支出預測銷售額 分為簡單迴歸分析與多元迴歸分析(複迴歸)『簡單』代表只有一個自變數 『多元』代表有多個自變數 母體與樣本複習 母體:研究對象全體所構成之集合。 樣本:從母體中選取一些代表性的子集合。 例子:某信用卡銀行舉辦『刷卡滿500元就有機會獲得20萬元』活動。活動方式：只要在92年2月份單次刷卡滿500元，就有機會參加抽獎，由電腦隨機選出符合條件的5位幸運得主，每人獨得20萬元。此活動的母體就是所有在92年2月份單次刷卡滿500元的持卡人，樣本就是由電腦選出的5位民眾 簡單線性迴歸模型與直線 (1)(母體)簡單線性迴歸模型: (2)(母體)簡單線性迴歸直線: (3)(樣本)簡單線性迴歸模型: (4)(樣本)簡單線性迴歸直線: 用樣本預測母體 如何計算 和 公式 (1) (2) 簡單線性迴歸範例 抽取 簡單線性迴歸範例 (母體)簡單線性迴歸直線: 簡單線性迴歸範例 所以母體迴歸直線為: 而母體迴歸模型為: 簡單線性迴歸範例 (樣本)簡單線性迴歸模型: 簡單線性迴歸範例 所以樣本迴歸直線為: 而樣本迴歸模型為: 操作練習1 以「母體身高.sav」檔和「樣本身高.sav」檔練習。 步驟1 分析-迴歸-線性 步驟2 步驟3 報表解讀1(母體) 係數a 模式 未標準化係數 標準化係 數 t 顯著性 B 之估計值 標準誤差 Beta 分配 1 (常數) 85.573 89.272 ? .959 .392 父親身高 .488 .525 .421 .930 .405 a. 依變數: 小孩身高 報表解讀1-1(母體) 結論: 1由父親身高的顯著性為0.405大於0.05可以知道父親身高對小孩身高不具有顯著影響力。 2在此可寫出迴歸方程式: 報表解讀2(樣本) 係數a 模式 未標準化係數 標準化係數 t 顯著性 B 之估計值 標準誤差 Beta 分配 1 (常數) -98.515 92.601 ? -1.064 .399 父親身高 1.573 .542 .899 2.901 .101 a. 依變數: 小孩身高 報表解讀2-1(樣本) 結論: 1由父親身高的顯著性為0.101大於0.05可以知道父親身高對小孩身高不具有顯著影響力。 2在此可寫出迴歸方程式: 3迴歸方程式的意義為，若有一位父親身高為180公分，則小孩身高會是 -98.515+1.573 180=184.625 公分 簡單線性迴歸使用前提 假設: (1) 獨立性 誤差是統計獨立。 (2)常態性 誤差為常態分配。 (3)變異數同質性