地理信息统计及SPSS应用回归分析操作一元线性回归.DOCVIP

第二篇 第五章 回归分析操作 地理信息统计及SPSS应用 PAGE 86 PAGE 85 第六章 回归分析操作 第一节 一元线性回归分析操作 例6.1，根据表6.1中资料，建立青海一月平均气温依海拔高度的一元线性回归方程。 表6.1 青海一月平均气温与依海拔高度 测站 一月气温（℃） 海拔高度（m） 纬度 昂 欠 –6.9 364 32.8 清水河 –17.0 442 33.8 玛 多 –16.9 422 36.0 共 和 –11.3 284 36.3 铁卜加 –14.2 320 37.1 荡 崖 –12.3 314 38.4 托 勒 –18.2 336 38.9 伍道梁 –17.3 465 36.3 察尔汗 –10.4 268 36.8 吉 迈 –13.3 297 33.8 尖 扎 –6.4 208 36.9 西 宁 –8.6 226 36.6 操作与说明如下： 第一步，建立数据文件，为一月气温，为海拔高度，如图6.1。 图6.1 一月气温与海拔高度的数据 第二步，点击Analyze→Regression→Linear，激活线性回归分析主对话框（如图6.2，图6.3） 图6.2进入回归分析计算菜单 图6.3 线性回归分析主对话框 图中各项含义为： 1. ：因变量框； 2. ：自变量框； 3.：建立回归方程的方法。点击，出现下拉式菜单： 其中，Enter：自变量强迫引入法（系统默认），定义为全部自变量均进入方程。 Stepwise：自变量逐步引入－逐步剔除法，即在计算过程中加入或剔除单个变量，直到所建立的方程式中不再含有可如入或剔除的变量为止。 Remove：自变量强迫剔除法。定义的全部自变量均删除。 Backward：自变量向后剔除法。自变量由多到少一个一个从方程中剔除，直到不能按检验水准剔除为止。 Forward：自变量向前引入法。自变量由少到多一个一个引入方程，直到不能按检验水准引入新变量为止。 4. ：选择条件变量框。选择一个变量做为条件变量放入框中，单击按钮，给定一个判断条件。只有变量值满足给定条件的样本才参与线性回归分析。 6. ：标志变量框。在框中指定哪个变量作为样本数据点的标志变量，该变量的值将标在回归分析的输出图形中。 6.单击按钮，出现如图6.4所示的窗口，该窗口可供用户选择更多的输出统计量。 图6.4 统计设置窗口 图6.4中的各选项含义是： 在Regression Coefficients（回归系数）框中，包括： Estimates：SPSS默认输出项，输出与回归系数相关的统计量。包括回归系数（偏回归系数）、回归系数标准误差、标准化回归系数、回归系数显著性检验的t统计量在概率P值。多元回归分析中在各解释变量量纲不一时，如果希望比较变量对被解释变量的影响程度的大小，可以采用标准化回归系数。 Confidence intervals：输出每个非标准化回归系数的95%置信区间。 Covariance matrix：输出方程中各解释变量间的相关系数、协方差以及各回归系数的方差。 Model fit：SPSS默认输出项，输出判定系数、调整的判定系数、回归方程的标准误差、回归方程显著F检验的方差分析表。 R squared change：输出每个解释变量进入方程后引起的判定系数的变化量和F值的变化量。 Descriptive：输出各解释变量和被解释变量的均值、标准差、相关系数矩阵及单侧检验概率P值。 Part and partial correlation：输出方程中各解释变量与被解释变量之间的简单相关、偏相关系数和部分相关。 Collinearity Diagnostics：多重共线性分析，输出各个解释变量的容忍度、方差膨胀因子、特征值、条件指标、方差比例等。 在Residuals框中，包括：Dyrbin﹣Watson：输出DW检验值；Casewise diagnostics：输出标准化残差绝对值大于等于3（SPSS默认值）的样本数据的相关信息，包括预测值、标准化预测值、残差、标准化残差等值。 7.单击按钮，出现如图6.5所示的窗口。主要利用图形进行残差分析，包括绘制残差图和其他散点图、残差的直方图和正态分布累积概率图等。 图6.5 图形设置窗口 图中左侧框中各变量名的含义是：DEPENDNT表示被解释变量，*ZPRED表示标准化预测值，*ZRESID表示标准化残差，*DRESID表示剔除残差，*ADJPRED表示调整的预测值（剔除第 i个样本点重新建立方程后得到的新预测值），*SRESID表示学生化残差，*SDRESID表示剔除学生化残差。 绘制多对变量的散点图，可根据需要在scatter框