第七章回归分析.ppt

选择回归分析方法 Forward选项，向前选择法，根据在option对话框中所设定的判据，从无自变量开始。在拟合过程中，对被选择的自变量进行方差分析，每次加入一个F值最大的变量，直至所有符合判据的变量都进入模型为止。第一个引入归模型的变量应该与因变量间相关系数绝对值最大。 选择回归分析方法 Backward选项，向后剔除法，根据在option对话框中所设定的判据，先建立全模型，然后根据设置的判据，每次剔除一个使方差分析中的F值最小的自变量，直到回归方程中不再含有不符合判据的自变量为止。 选择回归分析方法 Stepwise选项，逐步进入法，它是向前选择变量法与向后剔除变量方法的结合。根据在 option对话框中所设定的判据，首先根据方差分析结果选择符合判据的自变量且对因变量贡献最大的进入回归方程。根据向前选择变量法则选入变量。然后根据向后剔除法，将模型中F值最小的且符合剔除判据的变量剔除出模型，重复进行直到回归方程中的自变量均符合进入模型的判据，模型外的自变量都不符合进入模型的判据为止。 4、选择参与回归的观测量 根据变量值选择参与回归分析的观测量，将作为参照的变量进入 Selection Variable框中，单击 Rule按钮。打开 Set Rule对话框。 5、Statistics按钮 Estimates：输出一般回归系数B、B的标准误、标准回归系数beta、B的t值及t值的双侧检验的显著性水平； Confidence interval：输出一般回归系数95％的可信区间； Covariance maxtrix：输出非标准化回归系数的协方差矩阵、各变量的相关系数矩阵； Model fit（模型拟合）：模型检验，输出复相关系数R，判定系数R2、调整的判定系数，方差分析表； R squared change：表示回归方差中引入或剔除一个自变量后的R2变化量； Descriptives：输出每个变量的平均值、标准差、样本数、相关系数矩阵和单侧检验显著性水平 Part and partial correlations：输出部分相关系数、偏相关系数、零阶相关系数； Collinearity diagnostics：输出方差膨胀因子及特征值； Durbin-Watson：输出Durbin-Watson统计量及可能的奇异值； Casewise diagnostics：个体诊断，给出残差和预测值，标准化残差和预测值。 6、plot按钮 Dependent：因变量； ZPRED:标准化预测值 ZRESID:标准化残差 DRESID:剔除残差 ADJPRED:修正后预测值 SRESID:学生化残差 SDRESID：学生化剔除残差 plot按钮 Histogrom：输出带有正态曲线的标准化残差的直方图； Normal probability plot：残差的正态概率图，检查残差的正态性； Produce all partial plots：输出每一个自变量残差相对于因变量残差的散布图。 Option按钮 Stepping method criteria(设置变量引入模型或从模型中剔除的判据) Use probability of F：采用F值所对应的P值作为变量引入模型或从模型中剔除的判据。 Entry：0.05回归模型检验时，若P≤0.05该变量被引入方程； Removal：0.10当回归模型检验时， 若P≥0.10该变量从回归方程剔除。 Option按钮 Use F values（采用F值作为变量引入模型或从模型中剔除的判据） Entry：当一个变量的F值≥3.84时该变量被引入方程； Removal：当一个变量的F值≤2.71时该变量从回归方程剔除。 练习题 1 Data09-03美国某银行雇员情况调查，建立一个使用初始工资（salbegin）、工作经验（prevexp）、工作时间（jobtime）、工作类型（jobcat）、受教育年限（educ）预测当前工资（salary）的回归方程。 二、曲线回归分析 线性回归可以满足许多数据分析，然而线性回归不会对所有的问题都适用，有时因变量与自变量是通过一个已知或未知的非线性函数关系相联系。尽管有可能通过一些函数的转换方法，在一定范围内将它们转变为线性关系，但这种转换有可能导致更为复杂的计算或数据失真。 曲线回归分析 在很多情况下有两个相关的变量，用户希望利用其中的一个变量对另一个变量进行预测，此时可采用的方法也很多；从简单的直线模型到复杂的时间序列模型。如果不能马上根据观测量数据确定一种最佳模型，可以利用曲线估计在众多的回归模型中来建立一个简单而又比较适合的模型。 曲线回归分析 线形回归方程Y=b0+b1X 二次回归方程Y=b0+b1X+b2X2 复合曲线回归方程Y=b0(b1X)