第9章 SPSS 线性回归分析.pptVIP

学习的内容与目标 掌握线性回归分析的主要指标，了解最小二乘法的基本思想 熟练掌握线性回归分析的具体操作，读懂分析结果；掌握计算结果之间的数量关系，写出回归方程，对回归方程进行各种统计检验 了解多元回归分析中自变量筛选的策略，以及对应结果的分析 了解SPSS残差分析和多重共线检测的基本操作，并能分析结果 回归分析和相关分析 1.相关分析 变量性质：都是随机变量且关系对等 分析方法：图表法（散点图）和相关系数 分析目的：判定变量之间相关方向和关系的密切程度 2.回归分析 变量性质：自变量（确定型变量）和因变量（随机变量）的关系且不对等 分析方法：建立回归模型 分析目的：研究变量间数量依存关系 9.1.2如何得到回归线 函数拟合 首先，通过散点图观察变量之间的统计关系，得到对回归线的感性认知，并据之确定最简洁的数学函数（回归模型）； 其次，利用样本数据在一定的拟合准则下，估计回归模型中各个参数，得到确定的回归方程； 最后，由于回归参数是在样本数据的基础上得到的，存在随机性。因此需要进行各种检验。 9.2.1一元线性回归模型（只有1个解释变量） 数学模型为： y=β0+β1x+ε 上式表明：y的变化可由两部分解释：第一，由解释变量x的变化引起的y的线性变化部分，即y=β0+β1x；第二，由其他随机因素引起的y的变化部分，即ε。 β0 、β1 都是模型中的未知参数，β0为回归常数，