心理学研究方法-多元回归分析概要.pptx

多元线性回归;内容;基础概念;回归;一元和多元线性回归;一元线性回归;;回归分析的一般过程;一元线性回归的条件;注意的问题;一元线性回归例子;一元线性回归步骤;β = （δy/ δx）*r =（0.41989/7.426）*0.881=0.04981 α= μy- βμx =3.1027-0.04981*53.43=0.441;;决定系数;回归方程显著：说明X与Y 有显著的线性关系。用该方程表示X与Y之间的关系是可靠的。如果不显著，则不能用回归方程表示X与Y 之间的关系。;残差的正态性;残差齐性;多元回归;偏回归系数：当其他变量不变时，xi每改变一个单位，所预测的y的平均变化量。受到自变量的单位影响。因此可以用标准化回归系数。 标准化偏回归系数：可以用来比较哪个自变量是影响y的主要因素，哪个是次要因素（即哪个自变量对y的影响更多）。;回归系数计算;多元回归的样本量要求;多元线性回归的条件;回归分析的5个步骤;回归分析的步骤;2、考察数据的分布，进行必要的预处理。 3、进行直线回归，选入变量进入计算。 回归方程是否显著 偏回归系数显著 根据决定系数，校正决定系数判断拟合得好不好。决定最优方程 ;4、残差分析，分析两方面： 残差是否独立：用durbin-watson进行分析（取值0d4）。如果独立，则d约等于2。如果相邻两点的残差为正相关，d2。当相邻两点的残差为负相关时，d2。 残差是否正态：采用残差图显示（勾选Histogram和Normal probability plot就行）。 残差的方差齐性：以标准化预测值（ZPRED）为横轴，标准化残差(ZRESID)为纵轴做散点图。若散点随机分布，且绝大部分在2倍标准差以内，则最好，表明没有相关。如最左图最好。中间图随着x值，残差越来越大。最右图，残差非正态。;残差是否正态：画图来评价 1、残差直方图：标准化残差为x轴，标准化残差频数为Y轴。与正态曲线比较，是否拟合。 2、残差p-p图：累积残差观测分布为x轴，期望分布为Y轴。如果符合的话数据会和理论的直线（对角线）重合。;5、根据散点图，对强影响点进行判断和对多重共线性进行判断（自变量之间不能有强相关。）最后两幅图是有强影响点。需要判断是否数据出错，出错则删掉。 ;步骤同一元回归;分层回归方法;Enter法;逐步回归法（可以得出更优的方程）;;;;回归方程的显著性检验 偏回归系数的显著性检验 决定系数R2，校正决定系数R2 复相关系数R;回归方程的解释能力;复相关系数R 值域在[0,1],是因变量y与所有自变量之间的多元线性相关程度的度量。 R值越接近于1，表明y与所有x之间的线性关系越密切。;对强影响点的诊断和处理;多重共线性（conlinerarity diagnostics）;谢谢！