加权分析

第一步：初步残差分析

通过上图可知，随着预测值的增大，残差也有增大的趋势，说明因变量的变异性或分布随着自变量的增加而增加，说明普通最小二乘法不再是最佳解决方案了，建议采用加权最小二乘法。

对数似然估计

Log-Likelihood Values b

Power .000 .701

.500 2.278

1.000 3.924

1.500 5.630

2.000 7.373

2.500 9.110

3.000 10.780

3.500 12.304

4.000 13.602a

a. The corresponding power is

selected for further analysis

because it maximizes the

log-likelihood function.

b. Dependent variable: 收视率,

source variable: 占有率

上表可以看出按照0.5步长的权值计算出的对数似然比的结果，结果中，似然比数值最大的指数就是最佳指数即13.602，对应的最佳指数为4.000.

Independent Variables 1 每集时长【min】

2 集数

3 占有率

Weight Source 占有率

Power Value 4.000

Model: MOD_1.

上表可以看出加权模型的信息，包括因变量，自变量和幂值（最佳指数）。

模型摘要

Model Summary

Multiple R .838

R Square .703

Adjusted R Square .647

Std. Error of the Estimate .004

Log-likelihood Function Value 13.602

上表可以看出采用最佳指数建立的加权回归模型的拟合优度检验结果，可见R平方和调整后的R平方都较大，说明模型拟合效果不错。

方差分析表中可见F值为12.611，显著性水平值小于0.001，说明由回归解释的变异远远大于残差可解释的变异，说明回归效果是比较好的。