SPSS加权最小二乘法及应用
- 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)。
SPSS数据统计分析与实践主讲:周涛副教授
北京师范大学资源学院
2007-12-4
教学网站:/Courses/SPSS
第十五章:加权最小二乘法
(Weighted Least Squares)
本章内容:
一、最小二乘法的应用领域
z根据需要人为地改变观测量的权重
z Remedial Measures for Unequal Error Variances
二、SPSS提供的WLS过程
z Linear Regression procedure (with weight variable)
z Weight Estimation procedure
三、相关输出结果的比较
z OLS与WLS比较
z SPSS提供的两种WLS方法比较
加权最小二乘法应用(一)
根据需要人为地改变观测量的权重
根据需要人为地改变观测量的权重--实例
实验中收集的15对数
据,每对数据都是
将n份样品混合后测
得的平均结果,但
各对数据的n大小不
等,试求出X对Y的
线性方程。
数据源:郭祖超,《医用数理
统计方法》第三版P249
根据需要人为地改变观测量的权重--实例
方法一:如果不考虑样品混合量的差异,则该问题是一个非常简单的线性回归问题,可直接拟合回归方程,结果如下:
Model Summary b
.987a.975.973.11330
Model
1
R R Square
Adjusted
R Square
Std. Error of
the Estimate Predictors: (Constant), x
a.
Dependent Variable: y
b.
Coefficients a
7.454.17343.143.000
-.015.001-.987-22.468.000 (Constant)
x
Model
1
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: y
a.
Y = 7.45 –0.015 * X (R2=0.98)
根据需要人为地改变观测量的权重--实例方法二:由于每对测量数据都是将n份样品混合后测得结果,显然混合的样品越多,测得的结果越稳定,即变异越小。如果直接拟合方程,则是将所有测量值均一视同仁,1份样品的测量结果与15份样品混合后的测量结果等价对待,这显然不太合理。
为此可以考虑在分析中将样品数n作为权重变量,n 值越大的观测量在计算中给予的权重越高,对方程的影响越大,即按照加权最小二乘法来拟合回归方程。
根据需要人为地改变观测量的权重--实例z SPSS操作步骤:
z AnalyzeÆRegression
ÆLinear
z Dependent: Y
z Independent: X
z WLS Weight: n
WLS Weight
WLS: Weighted Least Squares
WLS 输出结果
Model Summary b,c
.982a
.965
.962
.29365
Model 1
R
R Square
Adjusted R Square
Std. Error of the Estimate
Predictors: (Constant), x a. Dependent Variable: y
b. Weighted Least Squares Regression - Weighted by n
c. Y = 7.19 –0.014 * X (R 2=0.97)
Coefficients a,b
7.190.18838.316.000-.014.001
-.982
-18.816.000
(Constant)x
Model 1
B Std. Error Unstandardized Coefficients Beta
Standardized
Coefficients
t
Sig.Dependent Variable: y
a. Weighted Least Squares Regression - Weighted by n
b.
WLS 与OLS 输出结果比较
1.在OLS中,测定系数为0.975, 而在WLS中测
定系数降低为0.965。
2.由于测定系数是按照普通最小二乘法进行计
算,因此加权后的方程测定系数必然小于普通最小二乘法,即此时不能使用测定系数来判断模型的优劣。
WLS 与OLS 输出结果比较3. 通过绘制OLS和WLS的
回归直线加以比较,如
下图所示,WLS更靠近
中部那些混合样品数据n
较大的测量值,而对两
端n较小的测量值则比
OLS回归直线更远一
些,显然这些测量值在
计算时对方程的影响程
度是不同的。