中职—信息技术—回归方程—课件　

中职—信息技术 回归方程 1 三、自变量纳入回归方程的方式 SPSS for Windows系统提供的自变量纳入方程的方式有五种，分别为： ①强行介入法Enter（一次性进入） 这是一种不检验F和Tolerance，一次将全部自变量无条件地纳入回归方程。 ②强行剔除Remove（一次性剔除） 指定某些变量不能进入方程。这种方法通常同别的方法联合使用，而不能首先或单独使用，因为第一次使用或单独使用将意味着没有哪个变量进入方程。 ③逐步进入Stepwise 选择方差差异最显著的自变量进入方程，进入后检验不合格者剔除，合格可再选一个。直到全部进入。 ④反向剔除Backward 先强行介入，再逐个剔除不合格变量，直到全合格。 ⑤正向进入Forward 逐个检验变量，逐个进入。 例题：回归分析2.SAV反映不同方法的结果有差异 四、操作步骤 ⒈回归分析命令菜单 执行：[Statistics][Regression] [Linear] 选择因变量到：“Dependent”因变量框内 选择若干个自变量移动到：“Independent(s)”自变量框内。 ⒉回归方法 “Method”下拉菜单提供了五种回归方法供选择： 强行介入法Enter 正向进入Forward 反向剔除Backward 逐步进入Stepwise 强行剔除Remove （以“回归分析7.sav”为例，评价自变量贡献的变化。） “Block 1 of n” 可以将回归步骤分为若干组块。在指定了一组因变量和自变量后，可以用“Next”按钮再建立另一个组块，以便再次指定一组因变量和自变量。在建立了若干组块以后，执行回归分析命令，将能够逐一组块地进行分析。 例如：在研究“小麦产量”时，收集了“土壤成分”、“农家肥料”、“化肥”、“灌溉”以及“种谷物的产量”等数据。假定：“小麦产量”为因变量，其它为自变量。但要求在回归方程中必须以“土壤成分”、“化肥”为自变量，必须剔除“种谷物的产量”，而其它自变量将根据系统的计算来确定是否纳入方程。 因此 可以分成三个组块来完成： ①在第一组块Block 1中使用强行介入法Enter，选择“土壤成分”、“化肥”为自变量。单击“Next”按钮。 ②在第二组块Block 2中使用反向剔除Remove，选择“种谷物的产量”。 再单击“Next”按钮。 ③在第三组块Block 3中使用正向进入Forward，选择其它自变量。 执行统计分析过程中，“土壤成分”、“化肥”将成为自变量无条件进入方程，而“种谷物的产量”将不出现在方程中，其它自变量将根据其对方程的作用显著程度决定是否进入方程。 “Selection Variable”为指定抽样变量以及抽样规则。例如：以年份year为抽样变量，并指定抽样规则为1985年以后的个案，则可以指定“Selection Variable” 为year。 在定义抽样规则项“Define Selection rule ”中定义：Greater than 1985。 ⒊统计量的计算 单击计算统计按钮：“Statistics” 在计算统计对话窗口中，可以见到如下几方面的内容： ⑴回归系数的计算Regression Coefficients： ①“Estimates”计算各个自变量的回归系数B、相关系数R、标准误SEB、标准化回归系数Beta、t检验的双侧概率以及容忍度Tolerance。 ②“Confidence interval”回归系数的95%的置信区间。 ③“Covariance matrix”生成协方差矩阵。 ⑵统计输出选项 ①“Model fit”模式拟合。计算相关系数R、可决系数R2、调整相关系数Adjusted R-Square以及计算标准误Std.Error of Estimates。 ②“R squared change”可决系数的变化。当纳入的一个自变量的可决系数显著大于其它自变量的可决系数，说明该自变量能够很好地描述因变量。 ③“Descriptives”计算描述统计量：平均值、标准差、相关系数的显著度水平的检验矩阵。 ④“Part and partial Correlate”计算零阶以及偏相关系数。 ⑤“Collinearity diagnostics”自变量线性相关检验，即容忍度检验。 ⑶残差及个案的检验 ①“Durbin-Watson”杜宾-沃特森检验，对残差的系列相关检验。进一步还计算残差与自变量值的汇总统计。 ②“Casewise diagnostic”个案诊断。对符合回归标准的个案进行检验，并产生个案诊断表。其中有两个标准可供选择： ●Outliers outside (n) Standard deviations：奇异值(Outlier)的诊断。定义大于n个标准差的个案观测值为奇异值。系统默认