第九章 线性回归分析.ppt

例：例：运用水稻产量数据文件的资料对水稻产量y关于播种面积等4个变量作回归分析，用后退法做变量选择，取显著性水平 前进法与后退法的不足 前进法与后退法都有明显的不足。 前进法可能存在的问题是，不能反映引进新的自变量后的变化情况。因为某个自变量开始可能是显著的，但当引入其它自变量后它变得并不显著了，但是也没有机会将其剔除，即一旦引入，就是“终身制”的； 后退法的不足之处是，一开始把全部自变量引入回归方程，这样计算量很大，如果有些自变量不太重要，一开始就不引入，就可以减少一些计算。另外，一旦某个自变量被剔除，“一棍子就把它打死了”，它再也没有机会重新进入回归方程了。 三、逐步回归 逐步回归的基本思想是有进有出。 具体作法是：将变量一个一个引入，当每引入一个自变量后，对已经选入的变量要进行逐个检验，当原引入的变量由于后面变量的引入而变得不再显著时，要将其剔除。引入一个变量或从回归方程中剔除一个变量，为逐步回归的一步，每一步都要进行F检验，以确保每次引入新的变量之前回归方程中只包含显著的变量。这个过程反复进行，直到既无显著的自变量选入回归方程，也无不显著自变量从回归方程中剔除为止。这样就避免了前进法和后退法各自的缺陷，保证了最后所得到的回归子集时最优回归子集。 例：运用水稻产量数据文件的资料对水稻产量y关于播种面积等4个变量作回归分析，用逐步回归做变量选择。 注意：引入自变量和剔除自变量的显著性水平 进小于剔除自变量的显著性水平 否则可能产生“死循环”。 3.5应用spss软件选项进行多元线性回归分析 （1）线性回归过程：一元、多元逐步回归。 回归系数估计值、协方差矩阵、复相关系数R、因变量的最佳预测值、方差分析表 （2）对数据要求： 自变量和因变量必须具有Scale测度的数值型变量 标志或范畴变量 （3）因变量的所有观测值： 相互独立的等方差的正态总体，因变量和自变量之 间应具有一定的线性关系 线性回归过程 1、执行Analyze →Regression →Linear命令，打开对话框 线性回归过程 （1）从源文件量清单中选择一个数值型变量移入 Dependent框中，选择一个或多个变量作为自变量移入Independent 框中 （2）选择回归模型的自变量的进入方式 Enter 所有选择自变量全部进入方式 Stepwise 逐步回归方式 Remove 移除法（根据设定条件剔除部分自变量） Backward 向后剔除法 Forward 向前剔除法 线性回归过程 （3）参与分析的观测量选择规则 选择观测量的子集参与回归分析，将未选入这个子集的观测量排除在分析之外 线性回归过程 对话框中Define Selection Rule Equal to: 等于 Less than or equal: 小于或等于 Not equal to: 不等于 Less than: 小于 Greater than: 大于 Greater than or equal:大于或等于 线性回归过程 （4）从源文件量清单中选择一个指示变量加到 Case Labels 2、选项按钮的功能设置 （1）单击WLS按钮（权重变量） （2）单击Statistics 按钮，打开对话框 线性回归过程 对话框选择输出与回归系数有关的统计量 Estimates: 回归系数B的估计值、标准误差、标准化系数、t 分布 Confidence intervals: 回归系数95%的置信区间 Covariance: 协方差矩阵 残值栏 Durbin-Watson: DW检验，残值 的序列相关检验 Casewise diagnostics: 观测量的诊断方式 线性回归过程 其他统计量 Model fit 模型拟合（拟合优度统计量） R squared change: 交换、F交换及其显著性 Descriptives: 回归中的各变量的描述统计量 Part and partial correlation：相关系数与偏相关系数 Collinearity and diagnostics：多重共线性诊断 线性回归过程 （3）单击Plots按钮，打开Plots对话框 选择散点图变量，散点图 DEPENDENT：因变量 ZPERD：标准化预测值 ZRESID：标准化残值 DR