SPSS 16实用教程 第7章 回归分析.pdf

SPSS 16实用教程 第7章 回归分析 7.1 回归分析基本概念 7.2 一元线性回归分析 7.3 多元线性回归分析 7.4 非线性回归分析 7.5 曲 线 估 计 7.6 时间序列的曲线估计 7.7 含虚拟自变量的回归分析 7.8 含虚拟自变量的回归分析 在数量分析中，经常会看到变量与变量之 间存在着一定的联系。要了解变量之间如何发 生相互影响的，就需要利用相关分析和回归分 析。在上一章讲述了相关分析有关内容。本章 介绍回归分析基本概念，回归分析的主要类 型：一元线性回归分析、多元线性回归分析、 非线性回归分析、曲线估计、时间序列的曲线 估计、含虚拟自变量的回归分析以及逻辑回归 分析等。 7.1 回归分析基本概念 7.1 回归分析基本概念 相关分析和回归分析都是研究变量间关系 的统计学课题。在应用中，两种分析方法经常 相互结合和渗透，但它们研究的侧重点和应用 面不同。  在回归分析中，变量y称为因变量，处 于被解释的特殊地位；而在相关分析中，变量 y与变量x处于平等的地位，研究变量y与变量x 的密切程度和研究变量x与变量y的密切程度是 一样的。  在回归分析中，因变量y是随机变量， 自变量x可以是随机变量，也可以是非随机的 确定变量；而在相关分析中，变量x和变量y都 是随机变量。  相关分析是测定变量之间的关系密切 程度，所使用的工具是相关系数；而回归分析 则是侧重于考察变量之间的数量变化规律，并 通过一定的数学表达式来描述变量之间的关 系，进而确定一个或者几个变量的变化对另一 个特定变量的影响程度。 具体地说，回归分析主要解决以下几方面 的问题。  通过分析大量的样本数据，确定变量 之间的数学关系式。  对所确定的数学关系式的可信程度进 行各种统计检验，并区分出对某一特定变量影 响较为显著的变量和影响不显著的变量。  利用所确定的数学关系式，根据一个 或几个变量的值来预测或控制另一个特定变量 的取值，并给出这种预测或控制的精确度。 作为处理变量之间关系的一种统计方法和 “ 技术，回归分析的基本思想和方法以及 回归 ” （Regression）名称的由来都要归功于英国 · 统计学家F Galton（1822～1911）。 在实际中，根据变量的个数、变量的类型 以及变量之间的相关关系，回归分析通常分为 一元线性回归分析、多元线性回归分析、非线 性回归分析、曲线估计、时间序列的曲线估 计、含虚拟自变量的回归分析和逻辑回归分析 等类型。 7.2 一元线性回归分析 7.2 一元线性回归分析 7.2.1 统计学上的定义和计算公式 定义：一元线性回归分析是在排除其他影 响因素或假定其他影响因素确定的条件下，分 析某一个因素（自变量）是如何影响另一事物 （因变量）的过程，所进行的分析是比较理想 化的。其实，在现实社会生活中，任何一个事 物（因变量）总是受到其他多种事物（多个自 变量）的影响。 在实际问题中，由于所要研究的现象的总 体单位数一般是很多的，在许多场合甚至是无 限的，因此无法掌握因变量y总体的全部取 值。也就是说，总体回归方程事实上是未知 的，需要利用样本的信息对其进行估计。显 然，样本回归方程的函数形式应与总体回归方 程的函数形式一致。 通过样本数据建立一个回归方程后，不能 立即就用于对某个实际问题的预测。因为，应 用最小二乘法求得的样本回归直线作为对总体 回归直线的近似，这种近似是否合理，必须对 其作各种统计检验。一般经常作以下的统计检 验。 （1）拟合优度检验