第九章-1回归分析.pptVIP

最小二乘法（图示） 决定系数 结果的分析 Unstandardized Coefficients B —— 回归系数(参数)的估计值 和 。 Unstandardized Coefficients Std. Error —— 估计量 和 的标准差。 Standardized Coefficients Beta —— 表示若事先把应变量 Y 和自变量 X 标准化后再来作回归所得到的回归系数(参数)的估计值。注意此时 b 0 的估计值一定是0。 t —— 估计值 和 的 t-检验统计量的值(t-值)，其值等于估计值除以该估计量的标准差。 Sig. —— 相应于各 t-值的双边假设检验的 p-值。缺省原假设为 H0: b 0 = 0 或 b 1 = 0。 从输出结果可以知道，我们得到的拟合直线是 y = 37.187 + 1.209 x。 也即 = 37.187， = 1.209。 上述结果表明： = 37.187 表明，如果不作任何广告推广，则商品的(周)销售额为 37.187(万元)。 = 1.209 表明，每增加 1 万元的广告投入，会导致 1.209 万元的销售收入的增加。 0 表明，广告投入于销售收入之间有一定的正比关系. 2 多元线性回归模型 多元线性回归模型 决定系数 t检验 SPSS操作 —— 仍选择菜单中的“Analyze = Regression = Linear”选项， 回归方程为 vol = 171500.1 – 9042.6 promp + 100.7 feat + e 经检验，上式中各变量(的参数)均是显著(≠0)的。 上式结果表明：如果特色广告保持不变，则促销价格每上涨一元，周销售下跌9042.6元；如果促销价格保持不变，则每增加一元的特色广告投入，会带来100.7元的周销售量的增加。 异常值 异常值: y空间上的异常值点 标准化残差 学生化残差 删除残差 删除学生化残差 多重共线性的诊断 (经验)回归方程 反映y的变化由x解释的比例, 回归直线与样本观测值的拟合优度, 取值范围在 [ 0 , 1 ] 之间, r2 ?1，说明y的变化大部分由回归 方程解释,拟合优度好, r2 ?0，拟合优度差 回归方程的拟合优度 复相关系数 修正决定系数 反映实际观察值在回归直线周围的分散状况； 说明了回归直线的拟合程度（衡量回归方程的代表性，测定回归估计的精度）； 回归标准误差 回归的显著性检验（F检验） 回归系数的显著性检验 例2 : 某公司为了了解营销手段对某一种食品产品的销售量产生的影响，统计了三年期间的周销售数据，见SPSS数据文件 food.sav。 以周销售量为因变量,促销价格和特色广告 为自变量,建立线性回归模型. 3 残差分析 残差(residual) 度量了数据和拟合值间的偏离 反映了反映变量中不能由回归模型解释的部分 ?的实现(观测)值 是以自变量x作横轴（或以因变量回归值作横轴） 以残差作纵轴，将相应的残差点画在直角坐标系上，就可得到残差图. 残差图: 正常的残差图 异方差 异方差 非线性 正态概率图 如果正态性假设成立,那么图中的点将形成一条直线 目的:检验模型的正态性假设 例3 civil.sav: 研究我国民航客运量的变化趋势与成因 并作残差分析 例4 高校科研研究: 研究立项课题数受哪些因素影响. 并作残差分析 4 其他问题 第 1步： 首先将全部K个回归变量，分别对响应变量y建立K个一元线性回归方程，并分别 计算这K个一元线性回归方程的K个回归系数的F检验值，设起其最大值为F,若 FFin 将所对应的回归变量首先引入回归 方程,设引入的变量为x1。 一、前进法(forward selection) 逐步回归法 回归方程中 的回归系数进行偏 F检验,若其最大检验统计量 y分别与 建立K-1个二元线性回归方程，再对这K-1个 将所对应的回归变量引入回归方程。 第2步： 入方程的回归变量的F值均小于 时 为止。这时，得到的回归方程就是最终确定的方程。 依上述方法接着做下去。