精选幻灯片SPSS做回归分析精讲.pptVIP

一、简介 在现实生活中，客观事物常受多种因素影响，我 们记录下相应数据并加以分析，目的是为了找出对我 们所关心的指标（因变量） Y 有影响的因素（也称自变 量或回归变量） x 1 、 x 2 、 … 、 x m ，并建立用 x 1 、 x 2 、 … 、 x m 预报 Y 的经验公式： m m m x b x b x b b x x x f Y ? ? ? ? ? ? ? ? 2 2 1 1 0 2 1 ) , , , ( ? 从而用以进行预测或控制，达到指导生产活动的目的。 多元线性回归 以年龄为自变量 x ， 血压为因变量 y ，可 作出如下散点图： 年龄 39 47 45 47 65 45 67 42 67 56 36 50 39 21 44 血压 144 120 138 145 162 142 170 124 158 154 136 142 120 120 116 年龄 64 56 59 34 42 48 45 17 20 19 53 63 29 25 69 血压 162 150 140 110 128 130 135 114 116 124 158 144 130 125 175 例 1 、某医学研究所对 30 个不同年龄的人的血压（高 压）进行了测量，得到如下数据： 为了判断经验公式是否可用线性函数来拟合，可以 画出散点图观察。其方法如下： 双击 改变显示格式 改变坐标轴的显示 为了求得经验公式， 可通过如下步骤进 行： 从散点图可以 看出年龄与血 压有线性关系： 当自变量和 因变量选好 后，点击 OK 键 ) ( 1 ) 1 ( 2 2 2 为样本数 为自变量个数， N P P N R P R R a ? ? ? ? ? 1. Model 为回归方程模型编号 ( 不同方法对应不同模型 ) 2. R 为回归方程的复相关系数 3. R Square 即 R 2 系数，用以判断自变量对因变量的影响有 多大，但这并不意味着越大越好 —— 自变量增多时， R 2 系数会增大，但模型的拟合度未必更好 4. Adjusted R Square 即修正 R 2 ，为了尽可能确切地反映模 型的拟合度，用该参数修正 R 2 系数偏差，它未必随变量 个数的增加而增加 5. Std. Error of the Estimate 是估计的标准误差 结果说明 —— 常用统计量： 1. Sum of Squares 为回归平方和（ Regression ）、残差平方和 （ Residual ）、总平方和（ Total ） 2. df 为自由度 3. Mean Square 4. F 5. Sig 为大于 F 的概率，其值为 0.000 ，拒绝回归系数为 0 的原假 设： b 0 = b 1 =0 —— 即认为回归方程显著性成立 结果说明 —— 方差分析： 1. Model 为回归方程模型编号 2. Unstandardized Coefficients 为非标准化系数， B 为系数值， Std.Error 为系数的标准差 3. Standardized Coefficients 为标准化系数 4. t 为 t 检验，是偏回归系数为 0( 和常数项为 0) 的假设检验 5. Sig. 为偏回归系数为 0 ( 和常数项为 0) 的假设检验的显著性 水平值 6. B 为 Beta 系数， Std.Error 为相应的标准差 结果说明 —— 回归系数分析： 第一导丝盘速度 Y 是合成纤维抽丝的重要因素，它 与电流的周波 X 有密切关系，由生产记录得： 周波 X 49. 2 50. 0 49. 3 49. 0 49. 0 49. 5 49. 8 49. 9 50. 2 50. 2 速度 Y 16. 7 17. 0 16. 8 16. 6 16. 7 16. 8 16. 9 17. 0 17. 0 17. 1 试求 Y 对 X 的经验回归直线方程，并求误差方差 σ 2 的 无偏估计值。 检验 X 与 Y 之间是否存在显著的线性关系（取 α=0.01 ）？ 例 . 《概率论与数理统计》 P267 例 9.2.1 2 0.0472 0.3389 0.0019 y x ? ? ? ? ) ) 0.01 0.01 117.1282 (1,8) 11.26 0.9675 (8) 0.765 F F R R ? ? ? ? ? ? 检验说明线性关系显著 操作步骤： Analyze→Regression →Linear… →Statistics→Model fit Descriptives 结果： m m m x b x b x b b x x x f Y ? ? ? ? ? ? ? ? 2 2 1 1 0 2 1 ) , , , (