SPSS软件的操作与应用第6讲回归概念、回归系数.ppt

四、线性回归分析 SPSS操作及案例分析 残差分布直方图 分析： 在回归分析中，总是假定残差服从正态分布 从残差分布直方图与附于其上的正态分布曲线的比较，可以观察残差分布的正态性 四、线性回归分析 SPSS操作及案例分析 观测值累计概率P-P图 观测值累计概率P-P图也是用来比较残差分布与正态分布差异的图形 纵坐标：期望累计概率分布 横坐标：观测值累计概率分布 图中的斜线对应着一个均值为0的正态分布 分析： 图中的散点密切分布分布在斜线附近，说明随机残差服从正态分布，从而证明样本确实是来自正态总体 四、线性回归分析 SPSS操作及案例分析 学生化剔除残差-标准化预测值散点图 纵坐标：学生化剔除残差 横坐标：标准化预测值 分析： 图中各点在纵轴零点对应的直线上下基本均匀分布，可以认为方差齐性的假设成立 四、线性回归分析 SPSS操作及案例分析 残差统计表 分析： 表中显示预测值、标准预测值、预测值标准误差、调整的预测值 非标准化残差、标准化残差、学生化残差、剔除残差、标准化剔除残差 马氏距离、库克距离 中心杠杆值的最小值、最大值、平均值、标准差和观测量数目N 根据概率 原则，标准化残差或学生化剔除残差的绝对值大于3对应的观测值为异常值，从表中可以看出，该样本数据存在异常值 * 三、线性回归 SPSS操作及案例分析 操作步骤： (1)绘制抛光时间和产品直径的散点图 (2)Analyze→Regression →Linear… 数据文件：9-polishing.sav 三、线性回归 多重共线性分析 * 三、线性回归 SPSS操作及案例分析 例三：多元线性回归分析 为了研究某公司职工当前工资水平，收集了影响职工当前工资水平的6个因素的数据。这些影响因素是：1－职工的开始工资salbegin($)、 2－工种jobcat、 3－来本公司前的工作经验prevexp(月)、 4－来公司工作时间jobtime(月)、 5－受教育时间educ(年)、6－是否为少数民族minority。 试用多元线性回归过程对该公司职工当前工资水平寻求一个恰当的回归模型。 * 三、线性回归 SPSS操作及案例分析 结果分析： (1)变量进入/移出方式表 从表中可以看出依次引入的变量：salbegin、jobcat、prevexp、jobtime 、educ 输入顺序可以不同 * 三、线性回归 SPSS操作及案例分析 结果分析： (2)模型综述表 从表中可以看出引进变量后，R2 分别由0.774增加到0.805、0.826、0.835、0.839 同时估计标准误差由$8,115.356减少到$6,856.795 * 三、线性回归 SPSS操作及案例分析 结果分析： (3)方差分析表： 从表中可以看出，F分布的显著性概率为0.000，说明因变量和自变量的线性关系是显著的，可建立线性模型 * 三、线性回归 SPSS操作及案例分析 结果分析： (4)模型系数表 表中显示回归模型中的常数项(Constant) 非标准化的回归系数(Unstandardized Coefficients)B值及其标准误差(Std. Error) 标准化的回归系数(standardized Coefficients)Beta值、t值以及显著性水平(Sig.) 第5个模型 * 三、线性回归 SPSS操作及案例分析 结论： 从表中可以得到5个回归模型的方程 其中，第5个回归方程为 回归系数的伴随概率为0.000，调整的判定系数为0.839，说明回归方程解释了整个因变量变异程度的83.9%，说明变量之间相关程度高，回归方程的拟合优度高。 对当前工资影响较大的依次为：开始工资、工种、来本公司前的工作经验、来公司工作时间和受教育时间，主要考虑的是Beta值的大小。 * 三、线性回归 SPSS操作及案例分析 操作步骤 Analyze →Regression →Linear… 数据文件：9-Employee.sav 保存文件：9-Employee.spo 变量筛选 Enter：所选变量全部进入方程(一元回归) Fordward：按照所选变量对因变量影响大小顺序依次引入，每引入一个变量，建立一个方程 Backward：先将所选变量一次引入，然后逐步剔除对因变量影响小的变量，每剔除一个变量，建立一个方程 Stepwise：结合上述两种方法，先引入对因变量影响大的变量