spss简单回归与多重回归分析.ppt

《spss简单回归与多重回归分析.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、简单回归分析回归分析（regressionvariable）：研究一个变量如何随另一个变量变化的常用方法。线性回归（linearregression）：又称简单回归（simpleregression）两个连续型变量之间线性依存关系的统计方法。即描述一个因变量（dependentvariable）Y与一个或多个自变量（independentvariable）X之间的线性依存关系。回归分析的要求1、应变量Y服从正态分布2、自变量X可以是随机变动的，也可以是精确测量或人为取值的变量线性回归模型的适用条件(line)L-线性I-独立性N-正态性E-方差齐性残差图方差不齐模型还有别的

2、变量需要引入曲线关系方差齐、直线关系Analyzeregressionlinear(线性回归分析)可进行以下几个过程1、建立回归方程；2、回归方程的配合适度检验：包括回归方程和回归系数或偏回归系数的假设检验、残差分析；3、直线回归的区间估计：包括总体回归系数的区间估计；当x为某定值时，估计值总体均数的可信区间和个体Y值的容许区间4、直线相关和偏相关分析。Linearregression对话框Method:自变量筛选下拉菜单Enter：强迫引入法；全部自变量均引入方程Stepwise：逐步引入Remove：强迫剔除法backward：向后剔除法Forward：向前引入法Sta

3、tistics对话框独立性检验Plots对话框Options对话框例题11-1操作步骤：1、定义变量，输入数据先检验适用条件一、线性（散点图）：1、x与y2、x与非标准化残差的散点图（在多重回归分析中，效率高于散点图矩阵）步骤：graphs→scatter/Dot…→simplescatter非标准化残差与自变量的散点图（从上图可见各点基本平均分布在0这条水平线的两边，没有明显偏正或偏负的趋势）二、正态性、方差齐性检验1、正态性即残差服从正态分布N（0，σ2）2、方差齐性即残差的大小不随所有变量取值水平的改变而改变（标准化预测值和标准化残差的散点图）3、步骤：analyze

4、→regression→linearplot正态性检验方差齐性检验正态性检验结果：QQ图上各点基本在直线上。从上图可见，不论Y的标化预测值如何变化，标化残差的波动基本保持稳定。四、独立性：各观测间相互独立，即任两个观测残差的协方差为0。步骤：通过linearregression过程statistics按钮中的durbin-watson检验进行判断。该统计量取值在0～4之间。一般若自变量数少于4个，统计量接近2，基本上可以肯定残差间相互独立。2、分析Analyze----regression---linearLinearregression对话框Statistics对话框散点

5、图1：因变量为Y轴标准化预测值为X轴散点图1：因变量为标准化残差标准化预测值为X轴保存以下新变量描述性统计：均数、标准差、例数相关分析：Pearson相关系数0.964、单侧检验p值为<0.001先是自变量纳入模型情况的汇总模型的简单汇总,包括R、R2，调整R2，方差分析：p<0.001，说明模型有意义（回归系数有统计学意义）。：t检验结果等（重要）常数项=1106.788，回归系数=61.423，直线回归方程为第一行：对截距a的检验，有意义。第二行：对回归系数b的检验，有意义。回归系数的标准误=4.881，总体回归系数95%可信区间为（50.788，72.058）

6、。标准化回归系数=0.964，回归系数t检验的t值为12.584，p<0.001，可认为两变量之间有直线关系，残差统计结果：显示预测值、标准预测值等统计量的最小值、最大值、均数和标准差P-P图散点图：Y轴：因变量，x轴：标准化预测值散点图：Y轴：标准化残差，X轴：标准化预测值显示增加新变量二、非线性回归例11-6直线方程对数方程二次方程三次方程指数方程多重线性回归分析例13-1（第六版）为了研究有关糖尿病患者体内脂联素水平的影响因素，某医师测定30名患者的体重指数BMI(kg/m2)、病程LEP（ng/ml）、空腹血糖FPG(mmol/l)及脂联素水平。例13-1：1、定义

7、变量，输入数据考察线性1、散点图矩阵graphs→scatter/Dot…→matrixscatter2、自变量与残差的散点图graphs→scatter/Dot…→simplescatter选择enter，（选入全部变量）描述两两相关（简单相关）模型的基本情况四个自变量全部选入的复相关系数、决定系数、调整决定系数、标准误方差分析结果，模型有意义系数（回归系数b、b的标准误、标准回归系数、t值、p值）多重共线性诊断一般，容忍度（Tolerance）—小于0.1时，严重共线性方差膨胀因子VIF（Variancein