ChapSPSS回归分析衍生方法..pptxVIP

第9章 线性回归的衍生方法 第9章 线性回归的衍生方法 9.1 曲线拟合过程 9.2 加权最小二乘法 9.3 岭回归分析 9.4 最优尺度回归 2 曲线拟合过程 直线关系毕竟是较少数的情形，当因变量和自变量呈曲线关系时： 有明确的公式：利用变量变换将曲线直线化，然后加以拟合 关系不明：基于图形观察，拟合可能的曲线，从中挑选出最为合适的一个 具体拟合方法：根据所选择的公式，将自变量和因变量进行变量变换，然后按照直线回归的方式进行拟合 可拟合的曲线种类 高次方曲线：一、二、三次方曲线 指数、对数、幂曲线 特殊类型曲线：S形曲线、生长曲线等 3 案例：通风时间和毒物浓度的曲线方程 根据文献资料，随着通风时间的增加，密闭空间内污染物的浓度应当呈指数方程下降。 现考察某通风设备的换气效果，在室内放置了某种挥发性物质（模拟毒物），待其充分分散到室内空气中后开始通风，每一分钟测量一次室内空气中的毒物浓度，请建立时间与空气中毒物浓度的指数方程。curve.sav 已有明确的方程y=a×ebx，按此拟合即可。 等价于先进行变量变换，然后拟合直线方程。 4 案例：通风时间和毒物浓度的曲线方程 选择“分析”---》“回归”---》“曲线估计” “因变量”列表框：y “自变量”列表框：time “模型”选项组：选择“指数”，去处“线性” 选中“显示ANOVA表格”复选框 5 第9章 回归分析衍生方法 9.1 曲线拟合过程 9.2 加权最小二乘法 9.3 岭回归分析 9.4 最优尺度回归 6 所针对的问题：方差齐性被违反 因变量的变异随着某些指标的改变而改变 以地区为观察单位调查某种事物的发生率 研究通货膨胀和失业率对股票价格的影响 高价股票的波动一般都会大于低价股票 需要人为调控各案例在回归中的重要性 解决办法 根据用户提供的可能预测因变量变异大小的指标，在拟合时对变异较小（即测量更精确）的测量值赋予较大的权重 7 案例：不等量样品数据的回归方程 实验中收集得15对数据，每对数据都是将n份样品混合后测得的平均结果，但各对数据的n大小不等，试求出X对Y的直线回归方程。wls.sav 加权后的决定系数基本上都是低于原模型的 8 第9章 回归分析衍生方法 9.1 曲线拟合过程 9.2 加权最小二乘法 9.3 岭回归分析 9.4 最优尺度回归 9 岭回归分析 一种专门用于共线性数据分析的有偏估计方法 有偏意味着对数据信息有所取舍 通过丢弃部分信息，以得到更为稳定的分析结果 实际上是一种改良的最小二乘法 由于是有偏估计，统计检验已经居次要地位，故一般不再给出 10 岭回归分析 程序方式调用 11 案例：用外形指标推测胎儿周龄 现测得22例胎儿的身长、头围、体重和胎儿受精周龄，具体数据见文件ridgereg.sav。研究者希望能建立由前三个外形指标推测胎儿周龄的回归方程 12 第9章 回归分析衍生方法 9.1 曲线拟合过程 9.2 加权最小二乘法 9.3 岭回归分析 9.4 最优尺度回归 13 所针对的问题：测量尺度非等距 变量为无序多分类时，类别间的差异如何较难探索 变量为有序多分类时，类别间的距离不一定相等，直接作为连续变量分析不妥 即使变量均为连续型变量，但其联系有可能为某种曲线，直接按照线性结构来拟合也不合适 14 解决办法 根据数据情况进行迭代搜索，找到适当的变换方法对原始分类变量进行转换，将原始变量一律转换为连续性评分，然后再进行方程拟合 分类变量越多优势越明显 从实用的角度出发，该方法可以被作为一种探索性方法使用 15 案例：生育子女数的回归模型 现收集了一批妇女的曾生子女数、年龄、居住地类别（1：城市，2：农村）、受教育程度（1~5分别代表文盲半文盲、小学、初中、高中、大学及以上），请建立后三个变量对曾生子女数的回归模型，数据见child.sav。 用此方法来探索一下受教育程度对因变量的影响趋势 选择“分析”---》“回归”---》“最佳尺度” “因变量”列表框：childnum，在定义尺度中，选择“数值” “自变量”列表框：age,area,edu,在“定义尺度”中，分别选择：“数字”，“名义”，“序数”。 16