【SPSS 19 教程】第8章 SPSS的回归分析PPT.pptVIP

8.2 SPSS在多元线性回归分析中的应用 （4）回归系数表 表8-10给出了回归模型的常数项（Constant）、电视广告费用和报纸广告费用的偏相关系数，它们分别等于83.230、2.290和1.301。于是得到回归方程如下： 每周营业总收入＝83.230＋2.290×电视广告费用＋1.301×报纸广告费用 其中常数项表示当自变量取值全为0时，因变量的取值大小，即没有这两种广告投入时电影院的营业收入。同时比较电视广告和报纸广告的系数看到，电视广告对电影院的收入影响要大于报纸广告的影响。 表8-10还给出了模型对tv和income变量的偏回归系数是否等于0的t检验结果。t值分别等于7.532和4.057，概率P值都小于显著性水平0.05，因此认为偏相关系数β1、β2显著不等于0。同时，SPSS在输出一般偏回归系数的同时，也输出了各自的标准化偏回归系数（Standardized Coefficients）。 8.2 SPSS在多元线性回归分析中的应用 8.3 SPSS在曲线拟合中的应用 8.3.1 曲线拟合的基本原理 1.方法概述 实际中，变量之间的关系往往不是简单的线性关系，而呈现为某种曲线或非线性的关系。此时，就要选择相应的曲线去反映实际变量的变动情况。为了决定选择的曲线类型，常用的方法是根据数据资料绘制出散点图，通过图形的变化趋势特征并结合专业知识和经验分析来确定曲线的类型，即变量之间的函数关系。 在确定了变量间的函数关系后，需要估计函数关系中的未知参数，并对拟合效果进行显著性检验。虽然这里选择的是曲线方程，在方程形式上是非线性的，但可以采用变量变换的方法将这些曲线方程转化为线性方程来估计参数。 8.3 SPSS在曲线拟合中的应用 2、常用曲线估计模型 SPSS的【Curve Estimation（曲线估计）】选项就是用来解决上述问题的。它提供了11种常用的曲线估计回归模型。 8.3 SPSS在曲线拟合中的应用 8.3.2 曲线拟合的SPSS操作详解 Step01：打开对话框 选择菜单栏中的【Analyze（分析）】→【Regression（回归）】→【Curve Estimation（曲线估计）】命令，弹出【Curve Estimation（曲线估计）】对话框，这是曲线拟合的主操作窗口。 8.3 SPSS在曲线拟合中的应用 Step02：选择因变量 在【Curve Estimation（曲线估计）】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【Dependent(s)（因变量）】列表框中，即选择该变量作为曲线估计的因变量。 Step03：选择自变量 在【Curve Estimation（曲线估计）】对话框左侧的候选变量列表框中选择一个数值型变量，将其添加至【Independent（自变量）】栏中的【Variable（变量）】列表框中，即选择该变量作为曲线估计的自变量。如果自变量是时间变量或序列ID，可以选择它移入【Time（时间）】框中，此时自变量之间的长度是均匀的。 8.3 SPSS在曲线拟合中的应用 Step04：选择个案标签 从候选变量列表框中选择一个变量进入【Case Labels（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。 Step05：选择曲线拟合模型 在【Models（模型）】复选框中共有11种候选曲线模型可以选择，用户可以选择多种候选模型进行拟合优度比较。 Step06：选择预测值和残差输出 单击【Save】按钮，弹出对话框。 8.3 SPSS在曲线拟合中的应用 【Save Variables（保存变量）】选项组中的选项是将预测值、残差或其他诊断结果值作为新变量保存于当前工作文件中。 ● Predicted Values：输出回归模型的预测值。 ● Residuals：输出回归模型的残差。 ● Predicted Intervals：预测区间的上下限。 ● Confidence Interval：选择预测区间的置信概率。 【Predict Case（预测个案）】选项组是以时间序列为自变量时的预测值输出。 ● Predict from estimation period through last case：计算样本中数据的预测值。 ● Predict through：预测时间序列中最后一个观测值之后的值。选择该项后，在下面的【Observation（观测值）】文本框中指定一个预测周期限。 8.3 SPSS在曲线拟合中的应用 8.3 SPSS在曲线拟合中的应用 Step07：其他