SPSS 数据分析与应用课件 第6章 线性回归分析.pptxVIP

第6章线性回归分析

学习目标1.了解回归分析的基本原理2.理解一元线性回归分析模型原理3.掌握多元线性回归分析模型的原理、SPSS实现与解读方法4.掌握线性回归分析报告的撰写方法

学习导读与引导案例回归分析：探究变量间数量关系的核心方法，广泛用于预测与决策本章系统讲解一元及多元线性回归的模型原理、参数解读与统计检验方法，并通过“空气质量指数影响因素分析”案例完整展示从建模、检验到结果解读的全过程。图6-1空气质量指数数据.sav（部分）引导案例天空是否湛蓝、呼吸是否顺畅，主观感受凝结为空气质量指数AQI——其背后是否存在客观的量化驱动因素？思考①成都市不同季度的AQI是否存在差异？如何量化对比？②哪些指标对2023–2024年AQI影响最大？回归分析三要素：因变量（核心诉求）×自变量（解释因素）×相关性（数量关系）。

Part6.1回归分析概述

6.1.1回归分析的基本思想用数学公式表达变量关系，衡量影响能力并预测趋势回归分析研究自变量与因变量之间的数量变化关系：建立回归模型衡量自变量对因变量的影响能力，进而预测因变量的发展趋势。概念源于高尔顿对父子身高关系的研究。因变量业务的核心诉求，所有分析围绕它进行。例：空气质量整体评价（AQI）自变量用来解释因变量，揭示对因变量的影响程度。例：各污染物浓度、季度相关性两个变量的关联程度；回归用公式刻画并可预测