SPSS数据分析教程-8-线性回归分析PPT.ppt

;1.产生（起源，版本） 2.SAS和SPSS（适用性、灵活性、复杂性）;做完调研后怎么办？;;常用的SPSS方法;描述性统计量;【Descriptive Statistics】子菜单 ① Frequencies：产生变量值的频数分布表，并可计算常见描述性统计量和绘制相对应的统计图。 ② Descriptives：计算一般的描述性统计量。 ③ Explore：探索性分析，使用户能够从大量的分析结果之中挖掘到所需要的统计信息。 ;④ Crosstabs：对分类变量进行统计推断，包括卡方检验、确切概率等，是SPSS重要的过程。 ⑤ Ratio：计算两个变量相对比的统计量特征。 ⑥ P-P Plots：绘制P-P图，检验数据服从的分布情况。 ⑦ Q-Q Plots：绘制Q-Q图，检验数据服从的分布情况 ;主要内容 ;1. 多元回归的基本概念;什么是回归分析;什么是回归分析;回归方程;回归分析的分类;回归术语;回归和相关分析;2. 多元回归的数据要求;应用回归分析研究的步骤;应用回归分析研究的步骤;模型拟合之数据要求;模型拟合之数据要求;作回归线;回归线;残差;残差图;好的模型;一般的模型;差的模型;3. 多元回归的处理方法;多元回归的方法（method）;前向回归;逐步回归：Stepwise;4. 报告回归分析的结果;回归分析最基本的结果输出;R2的解释;5. 多重共线性检验;Multicollinearity （多重共线性）;多重共线性的含义 自变量之间高度相关，互相削弱了各自对y的边际影响 回归方程整体显著，但各个自变量都不显著 多重共线性的检验 方程的确定系数很高，且y于各自变量的相关系数也很高，但自变量的回归系数均不显著 两个自变量情形时，自变量之间相关系数很高，多各自变量时，某一自变量可以被其他自变量线性表出 方程的确定系数很高，但每一自变量的偏确定系数很小，说明变量之间可能存在高度的线性关系 0.1容限度(tolerance)1、0方差膨胀因子(VIF)10,不存在共线 多重共线性的解决办法（对于样本确定的情况） 去掉与y相关程度较低，而与其他自变量高度相关的变量 去掉可以被其余自变量线性表出的变量