十二多重线性回归模型.pptx

; 内容提要;模型简介;模型简介; 自变量与因变量之间存在线性关系，可以通过绘制“散点图矩阵”予以考察； 各观测间相互独立； 残差服从正态分布； 方差齐性。;简单分析实例;简单分析实例－初步分析; 绘制散点图矩阵;简单分析实例;简单分析实例;简单分析实例;简单分析实例;简单分析实例;简单分析实例; SPSS 结果中输出偏回归系数的同时，也输出了各自的标准偏回归系数。年龄的标准化偏回归系数为0.626，吸烟的标准化回归系数为0.307，体重指数的标准化偏回归系数为0.258，因此，可以认为，年龄对血压的影响大于吸烟和体重指数对血压的影响大。;例2 仍以例1的资料为例，试作逐步回归分析。数据文件见mreg.sav。;逐步回归;逐步回归;逐步回归中默认剔除变量和纳入变量的α水准分别为0.1和0.05， 可自己调整，但剔除变量的α水准必须小于等于纳入变量的水准。;逐步回归;逐步回归;逐步回归;残差分析;;;;残差分析;;独立性检验;残差分析;残差分析;残差分析;模型的进一步诊断与修正;模型的进一步诊断与修正;模型的进一步诊断与修正; 强影响点的处理; 回归诊断(Regression diagnostics); 一、共线性的识别; 2．方差扩大因子 共线性严重程度的另一种度量是方差扩大因子（variance inflation factor，VIF）， Cij＝（1-Rj）-1, j=1,2,…,p (15-14) Tol= (1-Rj）称为容许限因子（阅值 tolerance) Rj度量了自变量Xj与其余p-1个自变量的线性相依程度。这种相依程度愈高(1-Rj）就愈接近零，Cij也就愈接近于1（注意Cij≥1）即自变量之间共线性愈严重。可见Cij的大小也可以反映出自变量之间是否存在共线性。应用经验表明，当Cij大于5或10时，就存在着严重的共线性。 解决共线性的主要方法有：用主成分回归替代最小二乘估计。筛选自变量及岭回归等。 ; 多重共线性的识别; 对13名儿童心象面积Y与性别X1(男1 女2)、 月龄X2、身高X3、体重X4、胸围X5关系的多 元回归研究中，得以下回归方程： Y=3.593-7.836X1+ 0.119X2+ 0.287X3+1.138X4-0.955X5 假设检验结果：各偏回归系数P均小于0.05。 如何解释以上结果？ ; 多重共线性的识别; 多重共线性的识别（例2分析??果）; 多重共线性的处理;小 结;小 结;小 结;Bye－Bye！