SPSS数据分析教程》——回归分析.pptxVIP

SPSS数据分析教程》——回归分析共41页，您现在浏览的是第1页!《SPSS数据分析教程》——回归分析SPSS数据分析教程》——回归分析共41页，您现在浏览的是第2页!本章学习目标掌握线性回归分析的基本概念掌握线性回归的前提条件并能进行验证掌握线性回归分析结果的解释掌握多重共线性的判别和处理能用线性回归模型进行预测SPSS数据分析教程》——回归分析共41页，您现在浏览的是第3页!回归分析的基本概念SPSS数据分析教程》——回归分析共41页，您现在浏览的是第4页!什么是回归分析回归分析是研究变量之间相关关系的一种统计方法如果两个变量之间的Pearson相关系数绝对值较大，从散点图看出变量间线性关系显著，那么下一步就是应用回归分析的方法来找出变量之间的线性关系。例如，房屋的价格和房屋的面积，地理位置，房龄和房间的个数都有关系。又比如，香烟的销量和许多地理和社会经济因素有关，像消费者的年龄，教育，收入，香烟的价格等。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第5页!回归分析的分类根据回归函数的形式，回归分析可以分为线性回归和非线性回归：线性回归：Y=ˉ0+ˉ1X1+ˉ2X2+?+ˉpXp+2(y)非线性回归如果预测变量和响应变量之间有上页(¤)所示的关系，但是不能表示为(y)所示的线性方程的形式，我们称该回归关系为非线性回归。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第6页!回归和相关分析回归分析是在相关分析的基础上，确定了变量之间的相互影响关系之后，准确的确定出这种关系的数量方法。因此，一般情况下，相关分析要先于回归分析进行，确定出变量间的关系是线性还是非线性，然后应用相关的回归分析方法。在应用回归分析之前，散点图分析是常用的探索变量之间相关性的方法。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第7页!简单线性回归简单线性回归的形式为：Y=ˉ0+ˉ1X+2其中变量X为预测变量，它是可以观测和控制的；Y为因变量或响应变量，它为随机变量；2为随机误差。通常假设2～N(0,?2)，且假设与X无关。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第8页!简单回归方程的求解我们希望根据观测值估计出简单回归方程中的待定系数ˉ0和ˉ1，它们使得回归方程对应的响应变量的误差达到最小，该方法即为最小二乘法。也就是求解ˉ0和ˉ1，使得达到最小。把得到的解记为,则回归方程为SPSS数据分析教程》——回归分析共41页，您现在浏览的是第9页!回归方程拟合程度检验回归方程的检验也就是验证两个变量之间的线性关系的确在统计上显著。一般进行如下的假设检验，它包括1）常数项的t检验H0:ˉ0=0常数项的估计值的标准误差为检验统计量为：SPSS数据分析教程》——回归分析共41页，您现在浏览的是第10页!回归的三个平方和我们把拟合值和真实值的差值的平方和称为残差平方和，记为SSE；把由于采用拟合回归直线后预测值较采用响应变量均值提高的部分的平方和称为回归平方和，记为SSR；真实值和响应变量均值的平方和称为总平方和，记为SST。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第11页!R2的解释决定系数R2的大小反映了回归方程能够解释的响应变量总的变差的比例，其值越大，回归方程的拟合程度越高。一般情况下，随着预测变量个数的增大，决定系数的值也变大，因此在多重回归分析中，需要反映回归方程中预测变量的个数，即引入了调整的决定系数。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第12页!SPSS在回归输出结果的ANOVA表中给出SSR，SSE，SST和F统计量的取值，同时给出F值的显著性值（即p值）。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第13页!简单线性回归举例一家计算机服务公司需要了解其用电话进行客户服务修复的计算机零部件的个数和其电话用的时间的关系。经过相关分析，认为二者之间有显著的线性关系。下面我们用线性回归找到这两个变量之间的数量关系。SPSS数据分析教程》——回归分析共41页，您现在浏览的是第14页!SPSS回归分析SPSS数据分析教程》——回归分析共41页，您现在浏览的是第15页!拟合优度检验SPSS数据分析教程》——回归分析共41页，您现在浏览的是第16页!多元线性回归的模型多元线性回归的模型为：Y=ˉ0+ˉ1X1+ˉ2X2+?+ˉpXp+2回归系数的估计和简单线性回归一样，仍然应用最小二乘法SPSS数据分析教程》——回归分析共41页，您现在浏览的是第17页!检验每个回归系数是否显著H0:ˉi=0,i=0,1,2,?,p这里和一元线性回归的检