第8章 SPSS回归分析.pptVIP

第八章 SPSS的回归分析; 1.方法概述 线性回归模型侧重考察变量之间的数量变化规律，并通过线性表达式，即线性回归方程，来描述其关系，进而确定一个或几个变量的变化对另一个变量的影响程度，为预测提供科学依据。 一般线性回归的基本步骤如下。 ① 确定回归方程中的自变量和因变量。 ② 从收集到的样本数据出发确定自变量和因变量之间的数学关系 式，即确定回归方程。 ③ 建立回归方程，在一定统计拟合准则下估计出模型中的各个参数，得到一个确定的回归方程。 ④ 对回归方程进行各种统计检验。 ⑤ 利用回归方程进行预测。 ;2、基本原理 当自变量和因变量之间呈现显著的线性关系时，则应采用线性回归的方法，建立因变量关于自变量的线性回归模型。根据自变量的个数，线性回归模型可分为一元线性回归模型和多元线性回归模型一元线性回归模型是在不考虑其他影响因素的条件下，或是在认为其他影响因素确定的情况下，分析某一个因素（自变量）是如何影响因变量的。一元线性回归的经验模型是： 式中，表示回归直线在纵轴上的截距，是回归系数，它表示当自变量变动一个单位所引起的因变量的平均变动值。 ;3.统计检验 在求解出了回归模型的参数后，一般不能立即将结果付诸于实际问题的分析和预测，通常要进行各种统计检验，例如拟合优度检验、回归方程和回归系数的显著性检验和残差分析等。这些内容，我们将结合案例来具体讲解。; 第一步：打开对话框 选择菜单栏中的【分析】→【回归】→【线性】命令，弹出【线性回归】对话框，这是线性回归分析的主操作窗口。 第二步：选择因变量 在【线性回归】对话框左侧的候选变量列表框中选择一个变量，将其添加至【因变量】列表框中，即选择该变量作为一元线性回归的因变量。 第三步：选择自变量 在【线性回归】对话框左侧的候选变量列表框中选择一个变量，将其添加至【自变量】列表框中，即选择该变量作为一元线性回归的自变量。 ;第四步：选择回归模型中自变量的进入方式 在【方法】选项组中可以选择自变量的进???方 式，一共有五种方法。可单击【自变量】列表框上 方的【下一张】按钮，选定的这一组自变量将被系 统自动保存于一个自变量块中。接下来选择另一组 自变量，单击【下一张】按钮将它们保存于第二个 自变量块中。重复上述操作，可以保存若干个自变 量块。若需要输出以哪一组变量为自变量的回归方 程，可以通过单击【上一张】按钮和【下一张】按 钮来选择。 第五步：样本的筛选 从主对话框的候选变量列表框中选择一个变 量，将其移至【选择变量】列表框中，这表示要按 照这个变量的标准来筛选样本进行回归分析。具体 操作可以在规则窗口中实现。;第六步：选择个案标签 从候选变量列表框中选择一个变量进入【个案标签】列表框中，它的取值将作为每条记录的标签。这表示在指定作图时，以哪个变量作为各样本数据点的标志变量。 第七步：选择加权二乘法变量 从候选变量列表框中选择一个变量进入【WLS权重】列表框中，表示选入权重变量进行权重最小二乘法的回归分析。 第八步：单击【确定】按钮，结束操作，SPSS软件自动 输出结果。; 执行完上述操作后，可以输出一元线性回归的基本结果报告了。但是线性回归主对话框中还包括了其他功能选项。下面列出了它们的具体使用功能。 （1）【统计量】选择输出需要的描述统计量，如图8-2所示。 其中，【回归系数】复选框组用于定义回归系数的输出情况，【残差】复选框组用于选择输出残差诊断的信息。;估计：可输出回归系数B及其标准误，回归系数的t检验 值和概率p值，还有标准化的回归系数beta。 置信区间：每个回归系数的95%置信区间。 协方差矩阵：方差-协方差矩阵。 模型拟合度：模型拟合过程中进入、退出的变量的列表；以及一些有关拟合优度的检验统计量，例如R、R2和调整的R2、估计值的标准误及方差分析表。 R方变化：显示每个自变量进入方程后R2、F值和p值的改 变情况。 描述性：显示自变量和因变量的有效数目、均值、标准 差等，同时还给出一个自变量间的相关系数矩阵。 部分相关和偏相关性：显示自变量间的相关、部分相关 和偏相关系数。 共线性诊断：多重共线性分析，输出各个自变量的特征 根、方差膨胀因子、容忍度等。 Durbin-Watson：残差序列相关性检验。 个案诊断：对标准化残差进行诊断，判断有无奇异值。;（2）【绘制】：用于选择需