简单回归与多重回归分析.ppt

简单回归分析;回归分析的要求;;Analyze regression linear(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。;;Linear regression对话框;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;;;;;;;;;2、分析 Analyze ----regression --- linear Linear regression对话框;Statistics对话框;散点图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：p0.001，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）。标准化回归系数=0.964，回归系数t检验的t值为12.584，p0.001，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;;;; 多重线性回归分析;;例13-1：1、定义变量，输入数据;;;;;;;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??膨胀因子VIF（Variance inflation factor）—一般不应大于5，或大于10;2、分析Analyze ----regression --- linear 因变量：脂联素 自变量：其他四个变量全部选入 method:选择逐步stepwise;;;模型基本情况（每一步引入模型的变量，纳入、剔除自变量的水准0.05、0.10）;模型概况第一行,引入一个变量第二行，引入两个变量;方差分析1，引入一个变量2，引入两个变量;;;;;