SPSS经典线性回归分析之一 |
您所在的位置:网站首页 › spss建立回归方程随机误差怎么算 › SPSS经典线性回归分析之一 |
回归分析是通过建立统计模型研究变量间相关关系的密切程度、结构状态、模型预测的一种有效工具。 一元线性回归分析一元线性回归是描述两个变量之间统计关系的最简单的回归模型。 1.数学模型 假设变量x与y满足一元线性方程:通常称为y对x的一元线性理论回归模型。式中,ε表示由其他随机因素引起的部分,我们一般假定为不可观测的随机误差,通常假定ε满足: (E表示ε的期望;var表示ε的方差) 回归分析的主要任务就是通过n组样本观测值(xi,yi),I=1,2,…,n对β₀、β₁进行估计。则称: 为y关于x的一元线性经验回归方程。 2.估计参数(最小二乘法) 为了由样本数据得到回归参数β₀、β₁的理想估计值,使每一个样本观测值(xi,yi)与其回归值E(yi)的离差平方和达到极小时的回归系数值。得到β₀、β₁的最小二乘估计:上式为最小二乘法计算回归系数表达式。 3.方程的显著性检验求得回归方程后,还不能马上就用它去做分析和预测,还需要应用统计方法对回归方程进行显著性的检验,常用的一般是F检验,其假设及检验统计量见SPSS与方差分析(F检验) 4.SPSS应用步骤:分析->回归->线性,选入需要分析的变量,方法采用默认的“进入”,如图: 输出结果: 表一显示x和y的描述统计量。包含均数、标准差和例数。 表二给出了x和y的相关系数R=0.973,调整后R=0.932。 表三是方差分析结果,回归的均方为6.800,P=0.001 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |