数学建模之回归分析法.pdfVIP

. 什么是回归分析 回归分析（ regression analysis) 是确定两种或两种以上变数间相互依赖的定量关系 的一种统计分析方法。 运用十分广泛， 回归分析按照涉及的自变量的多少， 可分为一元 回归分析和多元回归分析； 按照自变量和因变量之间的关系类型， 可分为线性回归分析 和 非线性回归 分析。 如果在回归分析中， 只包括一个自变量和一个因变量， 且二者的关 系可用一条直线近似表示， 这种回归分析称为一元线性回归分析。 如果回归分析中包括 两个或两个以上的自变量， 且因变量和自变量之间是 线性关系 ，则称为 多元线性回归 分 析。 回归分析之一 多元线性回归模型案例解析 多元线性回归， 主要是研究一个因变量与多个自变量之间的相关关系， 跟一元回归原理差不 多 ， 区 别 在 于 影 响 因 素 （自 变 量 ） 更 多 些 而 已 ， 例 如 ： 一 元 线 性 回 归 方 程 为 ： 毫 无 疑 问 ， 多 元 线 性 回 归 方 程 应 该 为 ： 上图中的 x1, x2, xp 分别代表 “自变量 ”Xp 截止，代表有 P 个自变量， 如果有 “N 组样本， 那么这个多元线性回归，将会组成一个矩阵，如下图所示： 那么，多元线性回归方程矩阵形式为： 其中： 代表随机误差， 其中随机误差分为： 可解释的误差 和 不可解释的误差， 随机误差必须满足以下四个条件，多元线性方程才有意义（一元线性方程也一样） 1：服成正太分布，即指：随机误差 必须是服成正太分别的随机变量。 2 ：无偏性假设，即指：期望值为 0 3 ：同共方差性假设，即指，所有的 随机误差变量方差都相等 4 ：独立性假设，即指：所有的随机误差变量都相互独立，可以用协方差解释。 . . 今天跟大家一起讨论一下， SPSS 多元线性回归的具体操作过程，下面以教程教程数据 为例， 分析汽车特征与汽车销售量之间的关系。 通过分析汽车特征跟汽车销售量的关系， 建 立拟合多元线性回归模型。数据如下图所示： （数据可以先用 excel 建立再通过 spss 打开） 点击 “分析 ”—— 回归—— 线性 —— 进入如下图所示的界面： . . 将 “销售量 ”作为 “因变量 ”拖入因变量框内， 将 “车长，车宽，耗油率，车净重等 10个 自变量 拖入自变量框内，如上图所示，在 “方法 ”旁边，选择 “逐步 ” ，当然，你也可以 选择其它的方式， 如果你选择 “进入 ” 默认的方式， 在分析结果中， 将会得到如下图所示的 结果： （所有的自变量，都会强行进入） 如果你选择 “逐步 ”这个方法，将会得到如下图所示的结果： （将会根据预先设定的 “F 统 计量的概率值进行筛选，最先进入回归方程的 “自变量 ”应该是跟 “