逐步回归分析实例.docxVIP

逐步回归分析 在自变量很多时，其中有的因素可能对应变量的影响不是很大，而且 X之间可能不完 全相互独立的，可能有种种互作尖系。在这种情况下可用逐步回归分析，进行 X因子的筛 选，这样建立的多元回归模型预测效果会更较好。 逐步回归分析，首先要建立因变量y与自变量x之间的总回归方程，再对总的方程及每一个 自变量进行假设检验。当总的方程不显著时，表明该多元回归方程线性尖系不成立；而当某一个自变 量对y影响不显著时，应该把它剔除，重新建立不包含该因子的多元回归方程。筛选出有显著影响 的因子作为自变量，并建立“最优”回归方程。 回归方程包含的自变量越多，回归平方和越大，剩余的平方和越小，剩余均方也随之 较小，预测值的误差也愈小，模拟的效果愈好。但是方程中的变量过多，预报工作量就会越 大，其中有些相矢性不显著的预报因子会影响预测的效果。 因此在多元回归模型中，选择适 宜的变量数目尤为重要。 逐步回归在病虫预报中的应用实例： 以省长武地区1984-1995年的烟虫牙传毒病情资料、相矢虫情和气象资料为例（数据见 DATA6.xls ），建立虫牙传病毒病情指数的逐步回归模型，说明逐步回归分析的具体步骤。影 响蜗传病毒病情指数的虫情因子和气象因子一共有 21个，通过逐步回归，从中选出对病情 指数影响显著的因子，从而建立相应的模型。对1984-1995年的病情指数进行回检， 然后对 1996-1998年的病情进行预报再检验预报的效果。 变量说明如下: y：历年病情指数X1x2 y：历年病情指数 X1 x2 x3 x4 x5 前年冬季油菜越冬时的虫牙量 前年冬季极端气温 5月份最高气温 5月份最低气温 3?5月份降水量 X11 : 5月份均温 X12 : 5月份降水量 （头/株）6月份均温 X14： 6月份降水量 X15 :第一次盼迁高峰期百株烟草 有翅虫牙量 X16 : 5月份油菜百株场量 X6： 4?6月份降水量 X17 : 7月份降水量 X7 : 3?5月份均温 X18 : 8月份降水量 X8 : 4?6月份均温 X19 : 7月份均温 X9： 4月份降水量 X20 : 8月份均温 X10 : 4月份均温 X21 : 元月均温 1）准备分析数据 在SPSS数据编辑窗口中，用“ File TOperAData*命令，打开“ DATA6.xls”数据文 件。数据工作区如下图3-1显示。_ 1 r 11 12 1 .4 5 | 16 ?7 1 1994] 16冷 47 14眇 2 19B ； 105 JS4 6 L 1669 —ZK5 [ i谕 3 r* too 惠J Q eri 1600 ； 〔28 4 1W 302 300 1 B0 134? 190 4 i 98 H80 5 1988 H4 63 2TT 1 7 1436 148 1 - 89 15 41 6 1W 331 1 *20 289 了 9 978 1?5 14 7 1990 1 S3 ?20 —2B8 2 137 3 152S ? U30 8 1?1 1 96 -15 -2T6 ?/ 116 4 151 4 ? 90 1423 9 1?2 12B ?25 auij 血￡ t04 15轩 10 L 4 31 1 04 ?21 一亦 4 4 7I 4 151 € 93 14￡3 11 1934 4 56 ! 100 19 3T5 1 9 31 1 1123 lao 16 12 1995 1 00 ?15 300 i 14 : 皿] C3 7 2）启动线性回归过程 单击SPSS主菜单的HAnalyze ”下的-Regression ”中11 Linear ”项，将打幵如图3-2所示的 线性回归过程窗口。 图3-2线性回归对话窗口 设置分析变量 设置因变量：将左边变量列表中的“ y”变量，选入到“ Dependenr因变量显示栏里。 设置自变量：将左边变量列表中的“ x1” ~ “X21 ”变量，全部选移到 Independent(S) 自变量栏里。 设置控制变量： 本例子中不使用控制变量，所以不选择任何变量。 选择标签变量： 选择“年份”为标签变量。 选择加权变量：本例子没有加权变量，因此不作任何设置。 4）回归方式 在“ Method”分析方法框中选中“ Stepwise ”逐步分析方法。该方法是根据 “Options ”选择对话框中显著性检验 （F）的设置，在方程中进入或剔除单个变量， 直到所 建立的方程中不再含有可加入或可剔除的变量为止。设置后的对话窗口如图 3-3。 图3?3 5）设置变量检验水平 在图6?15主对话框里单击“ Options”按钮，将打开如图 3?4所示的对话框。 Linrar fleeion: Opt xonx 图3?4 “ Steppi ng Meth