回归分析及检验sp

《回归分析及检验sp》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、回归分析及检验SPSS对于参数检验，如t检验和f检验，都要求数据的总体分布为正态分布在回归分析时，可以根据实际情况选择SPSS建立回归方程的方法，也可酌情对变量进行正态变化、对数转换或倒数转换，以便找到最合适的回归模型。由于正态分布或近似正态分布的变量是回归分析的重要前提，所以对不满足要求的变量要进行变换相关分析能够确定变量之间的关系强度，如果打算确定一个变量或者多个变量对另一个变量的影响，则需耍进行回归分析。一元线性［H］归方程的形式回归分析的显著性检验是判断自变量对因变量是否存在真正影响的依据。显著性检验的一个0假设就是回归系数为0为了确保所建立

2、的回归方程符合线性标准，在进行回归分析之前往往需要借助散点图对因变量与自变量进行线性检验，此外还要注意离群值与极值对回归方程的影响1.判断预测变量是否与指标变量存在显著相关，以及整个方程的回归效果，必须依据回归分析输出的三个指标得出结论1)方差分析方差分析中的F检验用于检验回归模型与数据的拟合程度，如果F值很大并iL显著性水平(Sig)小于临界值如0.05或者0.01,则表明预测变量与指标变量之间存在很强的线性关系，也可以说回归方程显总的离差平方和是观测点和其平均值之间的差的平方和，由两个部分组成，回归平方和：反映了自变量的重要程度，残差平方和：反映

3、了实验误差及其他意外因素对实验结果的影响。这两部分各自除以其自由度得到他们的均方。统计量1^=回归均方/残差均方，当F值太大时拒绝接受b=0的假设。K为自变量的个数，也就是U的自由度n-k-1是Q的自由度对于一元的回归分析，k=l2）回归系数的显著性检验如果回归系数b显著，则同样表明预测变量与指标变量之间存在很强的线性相关对斜率的检验假设是总体回归系数为0，对截距的检验假设是总体回归方程截距a=0t检验在回归方程中，回归系数的大小依赖于自变量与因变量的变化尺度的大小。如果两个变量差异较大，可能导致得到的冋归系数较小或较大，一个解决的办法就是对自变量和

4、因变量都进行标准化，转换后的变量均值为寡，标准差为1,然后再进行回归分析，这种方法得到的回归系数称为标准回归系数在相关分析中有一个zscores选项，就是把数值标准化到z分数，转换后的变量均值为零，标准差为1。系统将每一个值减去变量的均值，再除以其标准差。标准化处理有时是比较重要的spss中标准回归系数是standardcoefficients下的Beta项3）测定系数IT2该指标来自于两个变量的皮尔逊相关系数的平方，它解释回归平方和在总平方和中所占的比率，即解释回归效果。r2是也可以说是x的重要程度，是被线性模式所解释的那部分方差量如果R2=0.7

5、75则说明变量y的变异中有77.5%是由变量x弓起的当R2=l时表示所有的观测点全部落在回归直线上当R2=0时表示自变量与因变量无线性关系为了尽可能准确的反映模型的拟合度SPSS输出中的AdjustedRSquare是消除了自变量个数影响的R2的修正值1.前提假设回归分析通常分为两类，实验研究中的回归分析通常属于同定效应模型，非实验研究例如市场调查则属于随机效应模型定效应模型的前提假设正态分布：因变量的总体在自变量的各水平上都呈正态分布，但是大样本可以在一定程度上不受限制方差齐性：因变量在自变量各水平上的方差齐性，如果条件不成立，而且个水平的样本量有

6、差异，显著性检验不可信样木独立性随机效应模型的前提假设正态分布：因变量和自变量在总体上呈正态分布样本独立性：随机抽样，被试之间保持独立1.spss分析analyze—regressiong—linear在spss中还有一个选项是建立［h］归方法的方法a.enter强迫引入法不管自变量对因变量有没有影响，硬性要求自变量进入回归方程。b.Remove（强迫剔除法）定义的全部自变量均删除c.Forward（向前引入法）自变量由少到多一个一个引入回归方程直到不能按检验水准引入新的变量为止。该法的缺点是当两个变量一起时效果好，单独时效果不好，有可能只引入其中一

7、个变量或两个变量都不能引入d.Backward（向后剔除法）自变量由多到少一个一个从回归方程屮剔除直到不能按检验水准剔除为止。能克服向前引入法的缺点，当两个变量一起时效果好，单独时效果不好，该法可将两个变量都引入方程e.Stepwise（逐步引入一剔除法）将向前引入法和向后剔除法结合起来，在向前引入的每一步之后都要考虑从已引入方程的变量中剔除作用不显著者，直到没有一个自变量能引入方程和没有一个自变量能从方程中剔除为止，缺点同向前引入法但选中的变量比较精悍容差（Tolerance）是不能由方程屮其它自变量解释的方差所占的构成比所有进入方程的变量的容差必

8、须大于默认的容差水平值（Tolerance0.0001）该值愈小说明该自变量与其他自变量的线性关系愈密切该值