回归分析六.pptVIP

6、模型的全局检验结果 步与步间的相对似然比检验 Block间的相对似然比检验 模型间的相对似然比检验 说明：由于只有一个变量组且采取强行进入法将所有变量纳入模型，得到的3种检验方法的结果一致，模型有显著的统计学意义。 7、模型摘要 -2倍的似然比对数值 （两类决定系数） 说明：从数据看，拟合程度不错。 8、模型的分类预测值 说明：此时模型的准确度达到97%。 9、Logit模型的拟合结果 代入Logistic函数，即得到Y=1的概率值表达式 说明：各变量及常数项的系数都没有显著的统计学意义。 其它分类变量回归简介 因变量是多分类无序变量——【Multinomial】过程 因变量是多分类有序变量——【Ordinal】过程 自变量是分类变量，因变量是数值变量——定义哑元变量 注：对于自变量x是分类变量的回归分析，首先利用【Transform】菜单下的【Compute Variable】过程或【Recode into different Variables】将其设置为哑元变量，再用一般的回归分析方法处理。 补充：共线性检验指标 若某个维度的条件指数大于30，则可能存在共线性问题 条件指数(Condition Index) 若多个维度的特征根等于0，则可能存在共线性问题 特征根(Eigenvalue) 容忍度的倒数越大共线性问题越严重 方差膨胀率(VIF) 若某自变量容忍度小于0.1，则存在共线性问题 容忍度(Tolerance) 检验标准 指标名称 5、共线性检验结果 特征根 条件指数 说明：按照上述的检验标准，该模型不存在共线性的问题 6、剔除变量列表 0.05，该模型中无需再对变量X3、X4进行分析 第三节 曲线拟合 拟线性，是指变量之间的关系是非线性关系，但是可以通过一些特殊的变化使之线性化。 譬如 非线性方程线性化 一、曲线拟合简介 曲线拟合就是研究两变量间拟线性关系的一种方法。 曲线拟合的基本步骤是首先选择一种常见的曲线模型及其数学表达式。然后对变量做变换使得曲线模型线性化，再利用已知数据，用最小二乘的方法来估计模型中的参数。 ◆ 注意：利用曲线拟合的方法来估计两变量间的关系，必须选取恰当的曲线模型。模型的选取首先依赖于实际问题，同时也依赖于数据的特征。这一点可以通过作变量间的散点图来对两变量间的关系做一个预估计。在根据预估计结果选择恰当的统计模型。 例3 已知有某次泥石流的各阵观测数据保存在如图所示的数据文件“nishiliu.sav”中，试拟合各阵泥石流泥面宽与泥深之间的关系。 二、引例（练习二） 1、作散点图，分析两者之间的关系 说明：通过观察散点可发现，有一个明显异常点，结合实践判断可能是录入错误，要剔除该数据。 2、剔除异常值 3、【Analyze】/【Regression】/【Curve Estimation】 曲线拟合的因变量（Y轴），可多个 曲线拟合的自变量（X轴），只能一个 时间作为自变量，因变量需为时间序列数据 定义图形中的标识变量 选择图形中是否含常数项 是否绘制拟合曲线的图形 定义拟合的曲线模型 是否输出曲线拟合模型检验的方差分析表 补充：曲线拟合的可选模型 Save：用于定义需要保存的统计量 定义预测观测值组 定义需要保存的中间统计量 选择是否保存预测值 选择是否保存残差 选择是否保存预测值的置信区间 对估计周期内的所有观测量估计其预测值 定义时间序列中最后一个观测值之后的n个值 显示当前估计周期 结果解读： 1、模型基本信息描述 2、直线模型（Linear） 等同于对两个变量进行线性回归分析 （1）直线模型拟合度检验 （2）直线模型方差分析表 说明：决定系数为0.606，模型的拟合效果一般。 说明：Sig.=00.05，模型具有显著的统计学意义。 （3）直线模型系数 说明：从各系数的Sig.可看出，各项系数具有显著意义。 可得： 其中：y表示泥深，x表示泥面宽 3、二次曲线模型（Quadratic） （1）二次曲线模型拟合度检验 （2）二次曲线模型方差分析表 说明：决定系数为0.733，模型的拟合效果不错。 说明：Sig.=00.05，模型具有显著的统计学意义。 （3）二次曲线模型系数 说明：从各系数的Sig.可看出，各项系数具有显著意义。 可得： 其中：y表示泥深，x表示泥面宽 4、三次曲线模型（Cubic） （1）三次曲线模型拟合度检验 （2）三次曲线模型方差分析表 说明：决定系数为0.737，模型的拟合效果不错。 说明：Sig.=00.05，模型具有显著的统计学意义。 （3）三次曲线模型系数 说明：从各系数的Sig.可看出，各项系数具有显著意义。 可得： 其中：y表示泥深，x表示泥面宽 5、三类模型的拟合曲线与原始观测