第5章 相关分析与回归分析.ppt

2.回归分析的统计学原理 回归分析是研究客观事物变量间的关系，它是建立在对客观事物进行大量试验和观察的基础上，通过建立数学模型寻找不确定现象中所存在的统计规律的方法。回归分析所研究的主要问题就是研究因变量(y)和自变量(x)之间数量变化规律，如何利用变量X，Y的观察值（样本），对回归函数进行统计推断，包括对它进行估计及检验与它有关的假设等。 Уi=β0+β1x2i+β2x+…+βkxki+μi 回归分析过程操作原理 选择Analyze—Regression 打开“Regression”的右拉式菜单，菜单包含： 1. Linear 线性回归。 2. Curve Estimation 曲线估计。 3. Binary Logistic 二元逻辑分析。 4. Multinomial Logistic 多元逻辑分析。 5. Ordinal 序数分析。 6. Probit 概率分析。 7. Nonlinear 非线性估计。 8. Weight Estimation 加权估计。 9. 2-Stage Least Squares 两段最小二乘法。 在数学关系式中只描述了一个变量与另一个变量之间的数量变化关系，则称其为一元回归分析。 其回归模型为 y 称为因变量，x称为自变量， 称为随机误差，a,b 称为待估计的回归参数，下标 i 表示第i个观测值。 如果给出a和b的估计量分别为 , ，则经验回归方程: 一般把 称为残差， 残差可视为扰动 的“估计量”。 （1）线性回归过程 “Analyze”——“Regression”——“Linear数据文件5-5 “Dependent”：因变量 “Independent(S)”：自变量 注：SPSS中一元回归和多元回归以及多元逐步回归都是使用同一过程，所以该栏可以输入多个自变量。 “Selection Variable”：控制变量输入栏。控制变量相当于过滤变量，即必须当该变量的值满足设置的条件时，观测量才能参加回归分析。输入控制变量后，激活“Rule”按钮。 “Case Labels”：选择观测量的标签变量。在输出结果中，可显示该观测量的值，通过该变量的值可查看相应的观测量。 “WLS”：选择加权变量。 “Method”：选择一种回归分析方式。 ①强行介入法Enter（一次性进入） 这是一种不检验F和Tolerance，一次将全部自变量无条件地纳入回归方程。 ②强行剔除Remove（一次性剔除） 指定某些变量不能进入方程。这种方法通常同别的方法联合使用，而不能首先或单独使用，因为第一次使用或单独使用将意味着没有哪个变量进入方程。 ③逐步进入Stepwise 每次选择符合进入条件的自变量进入方程，进入后立即检验，不合格者剔除，直到全部合格自变量进入方程。 ④反向剔除Backward 先强行介入，再逐个剔除不合格变量，直到全合格。 ⑤正向进入Forward 每次选择符合进入条件的自变量进入方程，逐个选择，逐个进入，直到全部合格自变量进入方程。 “Statistics” ①“Regression Coefficients”回归系数选项： “Estimates”输出回归系数和相关统计量。 “Confidence interval”回归系数的95%置信区间。 “Covariance matrix”回归系数的方差-协方差矩阵。 ②“Residuals”残差选项： “Durbin-Watson”Durbin-Watson检验。 “Casewise diagnostic”输出满足选择条件的观测量的相关信息。选择该项，下面两项处于可选状态： “Outliers outside standard deviations”选择标准化残差的绝对值大于输入值的观测量； —“All cases”选择所有观测量。 ③ 其它输入选项 “Model fit”输出相关系数、相关系数平方、调整系数、估计标准误、ANOVA表。 “R squared change”输出由于加入和剔除变量而引起的复相关系数平方的变化。 “Descriptives”输出变量矩阵、标准差和相关系数单侧显著性水平矩阵。 “Part and partial correlation”相关系数和偏相关系数。 “Collinearity diagnostics”显示单个变量和共线性分析的公差 “Plots” 该对话框用于设置要绘制的图形的参数。 “X”和“Y”框用于选择X轴和Y轴相应的变量。 左上框中各项的意义分别为： ? “DEPENDNT”因变量。 ? “ZPRED”标准化预测值。 ? “ZRESID”标准化