SPSS在一元线性回归PPT课件
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在【Method（方法）】选项组中可以选择自变量的进入方式，一共 有五种方法。可单击【Independent(s)（自变量）】列表框上方的 【Next】按钮，选定的这一组自变量将被系统自动保存于一个自变量 块（Block）中。接下来选择另一组自变量，单击【Next】按钮将它 们保存于第二个自变量块中。重复上述操作，可以保存若干个自变量 块。若需要输出以哪一组变量为自变量的回归方程，可以通过单击 【Previous】按钮和【Next】按钮来选择。
› DEPENDENT：因变量。 › *ZPRED：标准化预测值。 › *ZRESID：标准化残差。 › *DRESID：剔除的残差。 › ADJPRED：调整后的预测值。 › SRESID：学生化残差。 › SDRESID：学生化剔除残差。
2020/1/11
12
2020/1/11
13
2020/1/11
9
› Estimates：可输出回归系数B及其标准误，回归系数的t检验值和概率 p值，还有标准化的回归系数beta。
› Confidence intervals：每个回归系数的95%置信区间。
› Covariance matrix：方差-协方差矩阵。
› Model fit：模型拟合过程中进入、退出的变量的列表；以及一些有 关拟合优度的检验统计量，例如R、R2和调整的R2、估计值的标准误 及方差分析表。
2020/1/11
1
8.1.1 一元线性回归的基本原理 1.方法概述
线性回归模型侧重考察变量之间的数量变化规律，并通过线性表达式，即线 性回归方程，来描述其关系，进而确定一个或几个变量的变化对另一个变量的 影响程度，为预测提供科学依据。 一般线性回归的基本步骤如下。 ① 确定回归方程中的自变量和因变量。 ② 从收集到的样本数据出发确定自变量和因变量之间的数学关系式，即确定回 归方程。 ③ 建立回归方程，在一定统计拟合准则下估计出模型中的各个参数，得到一个 确定的回归方程。 ④ 对回归方程进行各种统计检验。 ⑤ 利用回归方程进行预测。
› Collinearity diagnostics：多重共线性分析，输出各个自变量的特征
2020/1/11 根、方差膨胀因子、容忍度等。
10
（2）【Plots（绘制）】：用于选择需要绘制的回归分析诊断或预测图。
2020/1/11
11
用户可以根据上图从中选择部分变量作为X（横坐标）和Y（纵坐标）。同时还可 以通过单击Next按钮来重复操作过程。绘制更多的图形。
yˆ ˆ0 ˆ1x
式的中平，均表变示动回值归。直线在纵轴上的截距，是回归系数，它表示当自变量变动一个单位所引起的因变量
3
3.统计检验
在求解出了回归模型的参数后，一般不能立即将结果付诸于实际 问题的分析和预测，通常要进行各种统计检验，例如拟合优度检验、 回归方程和回归系数的显著性检验和残差分析等。这些内容，我们 将结合案例来具体讲解。
2020/1/11
2
2、基本原理 当的自线变性量回和归因模变型量。之根间据呈自现变显量著的的个线数性，关线系性时回，归则模应型采可分用为线一性元回线归性的回方归法模，型建和立多因元变线量性关回于归自模变型量
一元线一性个回因归素模（型自是变在量不）考是虑如其何他影响影因响变因量素的的。条一件元下线，性或回是归在的认经为验其模他型影是响：因素确定的情况下，分析某
› R squared change：显示每个自变量进入方程后R2、F值和p值的改 变情况。
› Descriptives：显示自变量和因变量的有效数目、均值、标准差等， 同时还给出一个自变量间的相关系数矩阵。
› Part and partial correlations：显示自变量间的相关、部分相关和偏 相关系数。Biblioteka 2020/1/117
Step05：样本的筛选
从 主 对 话 框 的 候 选 变 量 列 表 框 中 选 择 一 个 变 量 ， 将 其 移 至 【Selection Variable（选择变量）】列表框中，这表示要按照这个变量的标准来筛选 样本进行回归分析。具体操作可以在Rule窗口中实现。
Step06：选择个案标签
从候选变量列表框中选择一个变量进入【Case Labels（个案标签）】列表 框中，它的取值将作为每条记录的标签。这表示在指定作图时，以哪个变 量作为各样本数据点的标志变量。
Step07：选择加权二乘法变量
从候选变量列表框中选择一个变量进入【WLS Weigh（WLS权重）】列表 框中，表示选入权重变量进行权重最小二乘法的回归分析。
2020/1/11
4
Step01：打开对话框
选择菜单栏中的【Analyze(分析)】→【Regression（回归）】→【Linear（线 性）】命令，弹出【Linear Regression（线性回归）】对话框，这是线性回 归分析的主操作窗口。
Step02：选择因变量
在【Linear Regression（线性回归）】对话框左侧的候选变量列表框中选择一 个变量，将其添加至【Dependent（因变量）】列表框中，即选择该变量作 为一元线性回归的因变量。
Step08：单击【OK】按钮，结束操作，SPSS软件自动输出结果。
2020/1/11
8
执行完上述操作后，可以输出一元线性回归的基本结果报告了。但是线性 回归主对话框中还包括了其他功能选项。下面列出了它们的具体使用功能。 （1）【Statistics（统计量）】：选择输出需要的描述统计量，如图8-2所示。 其中，【Regression Coefficients（回归系数）】复选框组用于定义回归系 数的输出情况，【Residuals（残差）】复选框组用于选择输出残差诊断 的信息。
2020/1/11
5
Step03：选择自变量 在【Linear Regression（线性回归）】对话框左侧的候选变量列表框 中选择一个变量，将其添加至【Independent(s)（自变量）】列表框 中，即选择该变量作为一元线性回归的自变量。
2020/1/11
6
Step04：选择回归模型中自变量的进入方式
› DEPENDENT：因变量。 › *ZPRED：标准化预测值。 › *ZRESID：标准化残差。 › *DRESID：剔除的残差。 › ADJPRED：调整后的预测值。 › SRESID：学生化残差。 › SDRESID：学生化剔除残差。
2020/1/11
12
2020/1/11
13
2020/1/11
9
› Estimates：可输出回归系数B及其标准误，回归系数的t检验值和概率 p值，还有标准化的回归系数beta。
› Confidence intervals：每个回归系数的95%置信区间。
› Covariance matrix：方差-协方差矩阵。
› Model fit：模型拟合过程中进入、退出的变量的列表；以及一些有 关拟合优度的检验统计量，例如R、R2和调整的R2、估计值的标准误 及方差分析表。
2020/1/11
1
8.1.1 一元线性回归的基本原理 1.方法概述
线性回归模型侧重考察变量之间的数量变化规律，并通过线性表达式，即线 性回归方程，来描述其关系，进而确定一个或几个变量的变化对另一个变量的 影响程度，为预测提供科学依据。 一般线性回归的基本步骤如下。 ① 确定回归方程中的自变量和因变量。 ② 从收集到的样本数据出发确定自变量和因变量之间的数学关系式，即确定回 归方程。 ③ 建立回归方程，在一定统计拟合准则下估计出模型中的各个参数，得到一个 确定的回归方程。 ④ 对回归方程进行各种统计检验。 ⑤ 利用回归方程进行预测。
› Collinearity diagnostics：多重共线性分析，输出各个自变量的特征
2020/1/11 根、方差膨胀因子、容忍度等。
10
（2）【Plots（绘制）】：用于选择需要绘制的回归分析诊断或预测图。
2020/1/11
11
用户可以根据上图从中选择部分变量作为X（横坐标）和Y（纵坐标）。同时还可 以通过单击Next按钮来重复操作过程。绘制更多的图形。
yˆ ˆ0 ˆ1x
式的中平，均表变示动回值归。直线在纵轴上的截距，是回归系数，它表示当自变量变动一个单位所引起的因变量
3
3.统计检验
在求解出了回归模型的参数后，一般不能立即将结果付诸于实际 问题的分析和预测，通常要进行各种统计检验，例如拟合优度检验、 回归方程和回归系数的显著性检验和残差分析等。这些内容，我们 将结合案例来具体讲解。
2020/1/11
2
2、基本原理 当的自线变性量回和归因模变型量。之根间据呈自现变显量著的的个线数性，关线系性时回，归则模应型采可分用为线一性元回线归性的回方归法模，型建和立多因元变线量性关回于归自模变型量
一元线一性个回因归素模（型自是变在量不）考是虑如其何他影响影因响变因量素的的。条一件元下线，性或回是归在的认经为验其模他型影是响：因素确定的情况下，分析某
› R squared change：显示每个自变量进入方程后R2、F值和p值的改 变情况。
› Descriptives：显示自变量和因变量的有效数目、均值、标准差等， 同时还给出一个自变量间的相关系数矩阵。
› Part and partial correlations：显示自变量间的相关、部分相关和偏 相关系数。Biblioteka 2020/1/117
Step05：样本的筛选
从 主 对 话 框 的 候 选 变 量 列 表 框 中 选 择 一 个 变 量 ， 将 其 移 至 【Selection Variable（选择变量）】列表框中，这表示要按照这个变量的标准来筛选 样本进行回归分析。具体操作可以在Rule窗口中实现。
Step06：选择个案标签
从候选变量列表框中选择一个变量进入【Case Labels（个案标签）】列表 框中，它的取值将作为每条记录的标签。这表示在指定作图时，以哪个变 量作为各样本数据点的标志变量。
Step07：选择加权二乘法变量
从候选变量列表框中选择一个变量进入【WLS Weigh（WLS权重）】列表 框中，表示选入权重变量进行权重最小二乘法的回归分析。
2020/1/11
4
Step01：打开对话框
选择菜单栏中的【Analyze(分析)】→【Regression（回归）】→【Linear（线 性）】命令，弹出【Linear Regression（线性回归）】对话框，这是线性回 归分析的主操作窗口。
Step02：选择因变量
在【Linear Regression（线性回归）】对话框左侧的候选变量列表框中选择一 个变量，将其添加至【Dependent（因变量）】列表框中，即选择该变量作 为一元线性回归的因变量。
Step08：单击【OK】按钮，结束操作，SPSS软件自动输出结果。
2020/1/11
8
执行完上述操作后，可以输出一元线性回归的基本结果报告了。但是线性 回归主对话框中还包括了其他功能选项。下面列出了它们的具体使用功能。 （1）【Statistics（统计量）】：选择输出需要的描述统计量，如图8-2所示。 其中，【Regression Coefficients（回归系数）】复选框组用于定义回归系 数的输出情况，【Residuals（残差）】复选框组用于选择输出残差诊断 的信息。
2020/1/11
5
Step03：选择自变量 在【Linear Regression（线性回归）】对话框左侧的候选变量列表框 中选择一个变量，将其添加至【Independent(s)（自变量）】列表框 中，即选择该变量作为一元线性回归的自变量。
2020/1/11
6
Step04：选择回归模型中自变量的进入方式