spss回归分析(精彩)

《spss回归分析(精彩)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、SPSS回归分析(精彩)SPSS回归分析回归分析简介探察变量之间的数量变化规律，并通过一定的数学表达式来描述这种关系，进而确定一个或几个变量的变化对另一个变量的影响程度回归分析是研究变量间统计关系的方法。侧重考察回归分析的类型因变量与自变量都是定量变量的回归分析回归分析因变量是定量变量，自变量中有定性变量的回归分析含有哑变量的回归分析因变量是定性变量的回归分析Logistic回归分析Logistic回归分析一元线性回归分析一元线性回归（简单线性回归）：研究两个变量间的统计关系。应用例子某高档消费品的销量与城镇居民收

2、入储蓄额与居民收入。工业产值与用电量。某只股票的收益率和大盘指数的收益率企业的利润率和资产商品的销量和广告投入一元线性回归分析一元线性回归模型通过一定数量的样本观测值，用最小二乘法求解出回归方程但是只有当满足一定的假设条件下，样本数据的最小二乘估计才是总体参数的最佳无偏估计。一元线性回归分析回归模型的进一步说明又称偏回归系数partialregressioncoefficient，简称回归系数。表示其它变量不变，x变化时所预测y的平均变化率一元线性回归分析回归方程的假定条件正态性假定零均值假定等方差假定独立

3、性假定以上假定条件全部满足时，回归方程才有意义一元线性回归分析正态性假设：要求总体误差项服从正态分布。如果违反这一假设则最小二乘估计不再是最佳无偏估计，不能进行区间估计。（如果不涉及假设检验和区间估计，则此假定可以忽略）零均值性：即在自变量取一定值的条件下，其总体各误差项的条件平均值为零。如果违反这一假设则由最小二乘估计得到的估计不再是无偏估计等方差性：即在自变量取一定值的条件下，其总体各误差项的条件方差为一常数。如果违反这一假设则最小二乘估计不再是有效估计，不能进行区间估计独立性假设：误差项之间相互独立（不相关）,误差项与自变

4、量之间应相互独立如果违反这一假设则误差项之间可能出现序列相关，最小二乘估计不再是有效估计。回归分析Analyze－>Regression可实现：线性回归：简单线性回归和多元线性回归，由Linear过程实现分类变量为因变量的回归二项Logistic回归多项Logistic回归Ordinal回归Probit回归非线性回归曲线估计非线性估计权重估计两阶最小二乘最优尺度回归分析分析步骤做出散点图观察变量间的趋势。多个变量则做出散点图矩阵、重叠散点图和三维散点图考察数据的分布，做必要的预处理分析变量的正态性和

5、方差齐等问题。进行直线回归分析残差分析，检查残差的独立性和正态性强影响点的诊断和多重共线性问题的判断回归分析常用指标偏回归系数：反映相应一个自变量上升一个单位时，应变量取值的变动情况决定系数R2即相应的相关系数的平方，用R2表示。反映应变量y的全部变异中能够通过回归关系被自变量解释的比例。R2越接近1越好。多元回归时，决定系数缺乏可靠性，此时可参考调整的决定系数R2回归分析回归直线意义的F检验统计量F=平均回归平方和/平均残差平方和。若F值过小说明自变量对因变量的解释力度很差，拟合的回归直线没有意义，相反若概率值(SPS

6、S中以sig表示，越小越好)残差的独立性检验Durbin-Watson检验的参数D的取值范围是0LinearDependent:人均食品支出,Independent(s):人均收入设置Statistics，Plot选项回归分析－SPSS实现部分输出结果常数项的检验结果是其影响不显著的，所以需要进一步改

7、善模型，考虑建立不含常数项的回归方程回归分析－SPSS实现不含常数项的回归模型的部分输出结果回归诊断诊断模型：残差分析残差分析用于判断你对模型的假定是否符合：线性关系；误差项等方差；误差项相互独立；误差项正态分布；还可以检测出异常值和有影响的点回归分析－SPSS实现残差分析结果回归分析－SPSS实现回归诊断－异常值探查SPSS中设定和检测异常值Regression->Linear->StatisticsResiduals－>Casediagnostics:设定超过几倍标准差的观测作为异常值(Outliersout

8、sidenstandarddeviations）残差散点图回归诊断－异常值探查以数据”人均食品支出.sav“，为例，进行异常点检Regression->Linear->StatisticsResid