线性回归

您所在的位置:网站首页 计算实测值和预测值的绝对值的区别 线性回归

线性回归

2023-12-11 23:35| 来源: 网络整理| 查看: 265

图可以帮助验证正态性、线性相关度和方差相等的假设。对于检测离群值、异常实测值和有影响的个案,图也是有用的。将它们保存为新变量之后,在数据编辑器中可以使用预测值、残差和其他诊断信息来构造含有自变量的图。以下图是可用的:

散点图。您可以对下列各项中的任意两项进行绘图:因变量、标准化预测值、标准化残差、剔除残差、调整预测值、Student 化残差或者 Student 化剔除残差。针对标准化预测值绘制标准化残差,以检查线性相关度和等方差性。

源变量列表。列出因变量 (DEPENDNT) 及以下预测变量和残差变量:标准化预测值 (*ZPRED)、标准化残差 (*ZRESID)、剔除残差 (*DRESID)、调整的预测值 (*ADJPRED)、Student 化的残差 (*SRESID) 以及 Student 化的已删除残差 (*SDRESID)。

标准化残差图您可以获取标准化残差的直方图以及正态概率图,将标准化残差的分布与正态分布进行比较。产生所有部分图当根据其余自变量分别对两个变量进行回归时,显示每个自变量残差和因变量残差的散点图。要生成部分图,方程中必须至少有两个自变量。

如果请求了任意图,那么将显示标准化预测值和标准化残差(*ZPRED 和 *ZRESID)的汇总统计。

获取回归图

此功能需要 Statistics Base Edition。

从菜单中选择:

分析 > 预测和关联 > 线性回归

在“线性回归”对话框中,单击图。 对于散点图,选择一个垂直 (y) 轴变量和一个水平 (x) 轴变量。要请求其他散点图,请单击“添加 (+)”控件。


【本文地址】


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