spss的相关分析和线性回归分析.ppt

? 由于不同的样本产生不同的估计，所以估 计量是个随机变量，它们也有分布，也可 以用由他们构造检验统计量来检验 ? 0 和 ? 1 是不是显著。拿回归主要关心的来说，假 设检验问题是 0 1 1 1 : 0 : 0 H H ? ? ? ? ? ? 计算机输出也给出了这个检验： t 检验统 计量为 9.089 ，而 p - 值为 0.000 。 ? 除了对 ? 1 的检验之外，还有一个说明自变 量解释因变量变化百分比的度量，叫做决 定系数（ coefficient of determination ，也 叫测定系数或可决系数），用 R 2 表示。 ? R 2 =0.632 ；这说明这里的自变量可以大约 解释 63 ％的因变量的变化。 R 2 越接近 1 ， 回归就越成功。由于 R 2 有当变量数目增加 而增大的缺点，人们对其进行修改；有一 修正的 R 2 （ adjusted R square ） 。 ? 此外，计算机还计算了一个在零假设下有 F 分布的检验统计量，它是用来检验回归拟 合好坏的（零假设是因变量和自变量没有 关系）。 Model Summ ary .795 a .632 .625 7.22091 Model 1 R R Square Adjusted R Square Std. E rror of the Estimate P redictors: (Constant), j3 a. ANOVA b 4307.206 1 4307.206 82.606 .000 a 2502.794 48 52.142 6810.000 49 Regression Residual Total Model 1 Sum of Squares df Mean Square F Sig. P redictors: (Constant), j3 a. Dependent Variable: s1 b. ? 和刚才简单的回归模型类似，一般的有 k 个 （定量）自变量 x 1 , x 2 … , x k 的对因变量 y 的 线性回归模型为（称为多元回归） 0 1 1 2 2 k k y x x x ? ? ? ? ? ? ? ? ? ? ? ? 这里 ? 0 , ? 1 , … , ? k 称为回归系数。对计算机 来说，计算多个自变量的回归和计算一个 自变量的情况类似，计算机也会自动输出 相应的检验结果。 用数据来拟合所选的一个模型时，并 不一定所有的变量都显著 ( 并不一定所有 的系数都有意义 ) 。 在多元回归分析中，自变量的筛选一 般有三种的策略和方法： 1. 向前筛选法（ Forward ）。 2. 向后筛选法（ Backward ）。 3. 逐步回归法（ Stepwise ）。 各种方法的思路见课本 P 203 。 多元回归中变量筛选问题 ? 画散点图先做数据散点图 , 观测因变量与自变量 之间关系是否有线性特点 ? 若散点图的趋势大概呈线性关系，可以建立线性 回归模型 ? Analyze→Regression→Linear ? 选择因变量变量到 Dependent 中 , 因变量选入 Independent. ? 在 Method 框中选择回归分析自变量筛选策略。 ? 选择一个变量作为条件变量放到 Selection Variable 中， 并单击 Rule 给定一个判断条件，只有变量值满足给定条 件才参与回归分析。 ? 在 Case Lables 框中指定哪个变量作为样本数据点的标志 变量，该变量的值将标在回归分析的输出图形中。 回归分析基本操作 线性回归分析 ? 实例： 利用数据 相关回归分析（高校科研研究） .sav ， 分析发表立项课题数受那些因素的影响。 ? 练习： ? 利用 美国收入消费数据 .sav ，建立用消费来预测 收入的回归方程。 ? 利用数据 A 商品需求多元回归 .sav 建立一个以居 民人均收入、 A 商品单价为自变量，销售量为因 变量的回归模型。 A 商品需求多元回归 ? 要注意的值有 3 个 : adjusted R square ,F,t Mo de l S umm ar y .938 a .879 .845 1.96684 Model 1 R R Square Adjusted R Square Std. Error of the Estimate Predictors: (Constant), 单价（元）, 居民人均收入 （百元） a. ANOVA b 197.321 2