逐步回归分析

1.理论

逐步回归是回归分析中一种筛选变量的过程，我们可以使用逐步回归从一组候选变量中构建回归模型，让系统自动识别出有影响的变量。

正向选择：从模型中没有自变量开始，反复添加最有帮助的自变量，直到没有显著的自变量选入回归方程 。

向后选择：（也称向后消除）从完整模型（即包含所有可能预测变量的模型）中的所有自变量开始，以迭代方式删除贡献最小的自变量，直到没有不显著的自变量从回归方程删除。

逐步选择：是将上述两种方法结合起来筛选自变量的方法。从没有自变量开始，然后顺序添加最有贡献的自变量（例如正向选择）。添加每个新变量后，删除所有不再改善模型拟合的变量（例如向后选择），直到既没有显著的自变量选入回归方程，也没有不显著的自变量从回归方程中剔除为止。

2.逐步线性回归分析操作步骤

第一步：首先将数据导入spss中并进行赋值后，点击分析、回归、线性。

第二步：进入图中对话框后，将对应的变量放入对应的变量框中，在方法里勾选，步进。

第三步：点击统计勾选、置信区间、R方变化量、描述、部分相关性和偏相关性、共线性诊断、德宾-沃森，点击继续。

第四步：点击图先在散点图Y里放入*ZRESID,X里放入*ZPRED，勾选直方图、正态概率图，点击继续、确定。

3.多元线性回归分析结果

逐步回归的描述统计、相关性、输入/除去的变量表结果。

模型摘要、ANOVA表结果。

系数表、排除的变量、共线性诊断结果。

残差统计、直方图结果。

回归标准化残差的正态p-p图、散点图结果

4.结果整理

然后将结果粘贴复制到表格中进行整理，整理方式类似多元线性回归分析的整理方式。