回归分析2(数学建模)..ppt

数学建模讲座 第一部分 理论分析 一、SPSS简介 二、回归分析 SPSS简介 随着人们生活水平的提高和市场经济的发展，计算机普及程度越来越高，人们越来越倾向于用计算机处理大量的数据。另一方面，社会向着多元化和复杂化方向发展，很多问题需要通过实证调查资料来证实；民生进程加快，大量民生、民情问题调查资料及大量民意的处理，都离不开计算机数据处理。目前市场上数据处理软件很多，各有特色。有以资料查询为目的的数据库软件Access，有以数学分析为目的的软件Mathmatica，有进行少量数据资料分析和处理的通用软件Excel，也有进行大量数据、调查资料统计与分析的专业处理软件SPSS。 SPSS的诞生 20世纪60年代后期，美国斯坦福大学Norman H.Nie等3位研究生研制了最初的SPSS统计分析系统。Norman H. Nie等人于1975年在芝加哥组建了SPSS有限公司。随着微机的问世，该公司率先推出了微机版的SPSS，占领了微机市场。1984年，SPSS公司推出第一个微机版软件SPSS/PC+2.0版本，而后又推出适用于UNIX、Macintosh和OS/2等操作系统的SPSS软件产品。1992年，SPSS成为世界上提供窗口（Windows）5.0版统计软件的最主要供应商。而后该公司不断推出了新的窗口系统，几乎每一两年就提高一个版本，现在最新版本是18.0，但很多单位和个人使用的仍是SPSS12.0~16.0。 2. SPSS的应用及功能 SPSS原是指“Statistics Package for Social Science”,即社会科学统计软件包，但其实际应用范围已远远超出社会科学范畴，在自然科学、生物和医学等领域得到了广泛应用。20世纪90年代，SPSS已变成“Statistical ProductsService Solutions”,即统计产品与服务解决方案，在Windows环境下执行，适用于WindowsXP和Vista。SPSS软件是世界上问世最早、应用最广、最易操作的统计软件，同时也是我国最流行的社会调查资料分析软件。SPSS适用于市场营销、销售分析、市场调查、统计报告、质量控制、科学研究、社会调查、企业管理及行政管理等领域，具有数据管理、统计分析、数据和图形展示及打印等功能 3. SPSS主要菜单介绍 （1）File菜单 （2）Edit菜单 （3）Data菜单 （4）Transform菜单 （5）Analyze菜单 （6）Graphs菜单 回归分析前言 1.1 线性回归分析 1.2 曲线回归估计 1.3 最优量表回归分析 1.4 二值Logistic回归分析 1.5 多值Logistic回归分析 1.1 线性回归分析 线性回归分析一般分成一元线性回归分析和多 元线性回归分析。SPSS软件对线性回归采用Linear 子模型。 1.1.1 一元线性回归模型 1.设 x 为自变量，y为因变量，它们满足： 其中， 、 是未知常数，称为回归系数， 为 残差项或随机干扰项。要求 满足： ①每个都是一个随机变量，且互相独立，与x无关； ② 的均值为零，即 ； ③在每一个时期中，的方差为常量，即 ； 2. 一元线性回归模型的检验 从直观上，回归直线较好地刻画了离散数据的变化趋势，但这种直观的观察的说服力并不强，需要从统计分析的角度对建立的模型进行统计检验，主要分为： 拟合优度检验 对于一个回归方程而言，即使它通过了显著性检 验，还不能说结果就很好，还需要从回归好坏程度， 即拟合优度的角度检验回归方程。 对于线性回归模型，主要通过复相关系数R2和调整 的复相关系数（adjust R2）来度量拟合优度。 显然，0R21,且R2越接近1，因变量y与自变量x之间 的线性相关程度越强，拟合优度越好。 1.1.2 多元线性回归模型 多元线性回归方程 多元线性回归模型是处理多个变量之间关 系的最简单模型，其一般表达式为 其中， ， 是未知参数 方程 称为多元线性 回归方程 2. 多元线性回归模型的检验 与一元线性回归模型的检验一样，多元 线性回归模型的检验也主要分为： 3. 强影响点的识别 （1） 定义 强影响点是指对多元线性回归模型影响较大的数据点，或者偏离回归预测值较远的数据点。 （2） 识别参数 强影响点的识别参数（Casewise diagnostics） 是由线性回归方程的Statistics提供。它是利用 计算出来的样本点的标准差为依据，识别出偏离 均值较大的样本点。 4. 多重共线性变量