利用SPSS进行线性回归模型分析入门 |
您所在的位置:网站首页 › spss线性回归分析步骤 › 利用SPSS进行线性回归模型分析入门 |
线性回归模型简介 相关分析与回归分析的联系与区别 本节考察两个连续变量间的联系。通过回归方程解释两变量之间的关系显得更为精确。另外,通过回归方程还可以进行预测(y)和控制(x)。 简单回归分析的原理和要求: 重要:t检验和方差分析,用来检验求出不为0的回归系数并不是由于抽样误差而引起的。 总体回归线的可信区间 95%区间:在满足线性回归假设条件下,两条弧线曲线所形成的区域包含真实总体回归直线的置信度的95%。 个体Y预测的区间估计 指当X为特定某值时,个体Y值的参考值范围的波动范围。该区间是由比总体回归线置信区间带更远离的两条弧线曲线构成的,表示期望有95%的数据点所落入的范围。 两连续变量的线性回归模型的适用条件:(1)线性趋势:自变量与因变量的关系是线性的,可通过散点图来判断; (2)独立性:因变量y的取值相互独立的,之间没有联系。就是要求残差间相互独立,不存在自相关性,否则应采用自回归模型; (3)正态性:因变量y均服从正态分布,即要求残差服从正态分布; (4)方差齐性:自变量的任何线性组合中,因变量的方差均相同。即残差的方差要齐性。 注意:如果说只需要探讨自变量与因变量间的关系,而不需要根据自变量的取值预测因变量的区间,则正态性和方差齐性两个可以放宽。 回归关系并不一定代表两者有因果关系。 案例:建立用年龄预测总信心指数值的回归方程 步骤:(1):做散点图,可看出年龄与信心指数之间存在线性关系 步骤(2):“分析”——“回归”——“线性”,即可以打开“线性回归”对话框。
“因变量”:选入回归分析模型中的因变量,只能选入一个 “自变量”:选入回归分析模型中的自变量 “方法”:用于选择对自变量的选入方法,包括“进入”,“后退”,“逐步”等方法 “选择变量”:实际是进行案例筛选,选入筛选变量,并利用右侧“规则”按钮建立一个选择条件,使得只有满足该条件的记录才能进行回归分析。 “个案标签”:选择一个变量,其取值将作为每条记录的标签。典型的如ID号; “WLS权重”:选择权重变量以进行加权最小二乘法的回归分析。 结果: 表1:输入/移去的变量 对各自变量奶如模型情况的汇总 表2:模型摘要 可以知道:相关系数的绝对值为0.219,决定系数为0.048,表示自变量所能解释的方差在总方差所占的百分比,取值越大说明模型的效果越好。 表3:回归系数的检验 回归系数的检验 回归系数检验有两种方法,(T检验和方差分析):方差分析结果中,F=57.726,P值 |
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 |