图14-3回归残差分析.ppt

14.11 複迴歸分析之決定過程 1.用順向選擇法時，第一個進入迴歸方程式的變數是與依變數有最大相關的變數，第一個變數進入模型之後，再以判定係數值 (F) 檢查第二個變數該誰進入，依此類推，直到沒有其他的變數符合選取的標準為止。 2.用反向淘汰法時，先將所有的變數放入迴歸方程式中，然後根據淘汰標準一一將不符合標準的變數加以淘汰。 * 14.11 複迴歸分析之決定過程 3.逐步選擇法是結合順向選擇法與反向淘汰法二種程序。首先採用順向選擇法，選進與依變數有最大相關的變數，接下來以反向淘汰法檢查此變數是否須加以排除。 為了避免相同的變數重複地被選進或排除，選進的標準必須小於淘汰的標準，或者我們可以說選進變數的Ｆ值大於淘汰變數的Ｆ值。 * * 圖 14 - 5 選擇預測變數之進入程序 14.11 複迴歸分析之決定過程 14.13 迴歸模型範例（簡單迴歸） * Y=1.160-0.144×認同行為 模式 未標準化係數 B 之估計值 標準誤 標準化係數Beta 分配 t 顯著性 (常數) 0.744 0.137 — 5.063? 0.000 認同行為(AGR1) 0.833 0.029 0.833 28.572 0.000 R2 0.694 Adj- R2 0.693 F 816.363 D-W 1.889 表 14—1 敬畏行為?對工作滿意度之迴歸模式 * 14.13 迴歸模型範例（複迴歸） Y＝0.778＋0.789×認同行為+0.050×效法行為 ? 依變數=行為意圖 未標準化係數 B之估計值 標準化係數 之Beta 分配 t 顯著性 VIF ? (常數) 0.778 － 5.428 0.000 - ? 認同行為AGR1 0.789 0.789 12.818 0.000 4.451 ? 0.042 0.050 0.816 0.415 4.451 R2 0.695 ? Adj R2 0.693 ? F 408.137 ? P 0.000 ? D-W 1.874 ? 效法行為AGR2 表 14—2 多重動機對行為意圖?之影響 ? * 這個例子中我們可以清楚的發現，在多加入有效的其他兩個自變數後，整個模型對於行為意圖的可解釋變異量(R2)由0.416增加為0.484。此結果顯示行為意圖不但受到多重動機中成就動機的影響，同時也受到從屬動機與權力動機的影響。 14.13 迴歸模型範例（複迴歸） * 14.13 迴歸模型範例（複迴歸） 企業研究方法第14章 企業研究方法第14章 企業研究方法第14章 企業研究方法第14章 企業研究方法第14章 企業研究方法第14章 企業研究方法第14章 第14章 迴歸分析與複迴歸分析 　　1.使用迴歸分析的時機 　　2.最小平方法在迴歸分析上的意義 　　3.迴歸分析的假設 　　4.各種R2與偏判定 　　5.報表的分析與管理上的意涵 　　6.逐步迴歸 7.迴歸分析SPSS軟體操作實例說明 * ? 本章的學習主題 ? 14.1 迴歸分析的基本統計概念 一般來說，我們利用迴歸分析是想瞭解： 1. 能否找出一個線性方程式，用來說明一組預測變數( Xi )與準則變數( Y )的關係。 2. 瞭解這個方程式的預測能力如何？即其關係強度有多大。 3. 探討整體關係是否達到顯著水準？ 4. 在解釋準則變數的變異時，是否只採用某些預測變數即具有足夠的預測力。 * * 14.2 相關分析的基本概念 在研究行銷問題時，變數與變數之間有時會呈現線性相關 例如過去許多研究均顯示廠商之市場佔有率與其獲利能力有很高的線性相關，如圖14—1所示： X:市場佔有率 (%) Y 獲 利 能 力 (%) * 由圖14-1可知，當市場佔有率增加時，獲利能力(Y)也會跟著增加，即是代表X與Y之間有很高的相關，通常我們用皮爾森(Pearson)相關係數來表示兩個變數間之相關係數，計算公式如下： 2 2 ) ( ) ( ) )( ( Y Y X X Y Y X X r - - ? - - ? = 相關係數為一標準化之數字，其值不受變項特性的影響，其數值是介於－1至＋1之間。 14.2 相關分析的基本概念 * 一般而言，迴歸模式的型態為： Y=α + β1X1 + β2X2 + …… .+ βmXm + ε 其中，α與β為迴歸母數(j＝1, 2, ……, m)，ε為誤差項。 而在迴歸分析中，如果預測變數(Xi)只有一個，則稱之為簡單迴歸分析。如果預測變數有二個以上，則稱為多元迴歸或複迴歸分析。 Y = a + b1X1 (簡單迴歸) Y = a + b1X1 +b2X2+……+bmXm (複迴歸) 14.