多元线性回归的SPSS实现
1、线性趋势(GraphsLegaly DialogsScatter/dotMatrix Scatter)(即散点图判断)
精选课件
版权所有,盗5版必究
1、线性趋势(GraphsLegaly DialogsScatter/dotMatrix Scatter)(即散点图判断)
4个变量两两 相交形成44 的矩阵。
由散点图可知题目类型与试题难度间 的线性条件不明显,因此可以不考虑
题目类型对试题难度的回归。
精选课件
6
版权所有,盗版必究
2、正态性( GraphsLegaly 正态性是指在给定一
DialogsHistogram)
组X后,Y的分布为正
态分布。
点此,才可给出 正态分布曲线图
精选课件
版权所有,盗版7 必究
各 子 对 话
框
精选课件
15
版权所有,盗版必究
1、 SPSS中的回归分析操作(Statistics介绍)
奇异值判别(默认值为 三个标准差之外)。
多重共线性的识别: 对自变量的考察。
默认默输认出输项出,判输定出系与数回、归调系整数相关的 统计判量定,系如数回、归回系归数方、程回的归标系数标准 误、准标误准、回F归检系验数分、析统表计。量和相应的
精选课件
版权所有,盗版10必究
二、衡量多元线性回归模型优劣的标准
3、校正的决定系数R2adj(Adjusted R Square):当模型中 增加的变量没有统计学意义时,校正系数会减小,校正 系数越大,模型拟合的越好。
4、剩余标准差(Std.Error Of The Estimate):剩余标 准差越小,说明建立的模型效果越好。
散点图判断。
独立性(Independent) 因变量的取值相互独立,没有自相关。也即是要求残差间相互独立,
否则应采用自回归来分析。自变量多重共线性的判断。
正态性(Normal) 就自变量的任何一个线性组合,因变量均服从正态分布,即要求残
差服从正态。
方差齐性(Equal) 就自变量的任何一个线性组合,因变量的方差均相同,即要求残差
多元线性回归的SPSS实现
深大师范学院
精选课件
版权所有,盗版必究 1
1、多元线性回归的前提假设
2、衡量多元线性回归方程优劣的标准
各子对话框介绍
概 3、多元性回归的SPSS实现 常选按钮
要
结果分析
4、多元线性回归预测和区间估计
精选课件
版权所有,盗版必究 2
一、线性回归的前提假设及SPSS操作实现
线性趋势(Linear) 自变量与因变量的关系是线性的,否则不能采用线性回归,可通过
方差齐。
精选课件
版权所有,盗版必究 3
1、线性趋势(GraphsLegaly DialogsScatter/dotMatrix Scatter)(即散点图判断)
当有多个自变量 时,可以通过散 点图矩阵同时绘 制各变量间的散 点图,快速发现 多个变量间的主 要相关。
散点图矩阵
精选课件
版权所有,盗版必究 4
相伴概率值、各自变量容忍度等。
精选课件
版权所有,盗1版6 必究
多重共线性的识别(Collinearity Diagnostics)
容忍度(Tolerance):等于1减去以该自变量为反应变量 Independent框中选入的其他自变量为自变量所得到的 线性回归模型的决定系数。容忍度越小,多重共线性越 严重。
SPSS提供了五种选取变量的方法:
强迫进入变量法(Enter):常用方法,强迫所有变量有顺序
进入回归方程式。若研究者有事先建立的假设,决定变量重要性层
次则该适用该法。
逐步多元回归分析法(Stepwise):逐一、重复筛查引入变量,
直至获得最好模型。
向前进入法(Forward):对各变量拟合其与因变量的模型,
将p值最小的模型对应的自变量首先选入方程。
向后进入法(Backward):对各变量拟合其与因变量的模型,
将p值最大的模型对应的自变量首先剔除出方程。
删除法(Remove):自变量被强制剔除出模型。
精选课件
版权所有,盗版14必究
1、 SPSS中的回归分析操作(Analyze→Regression→Linear Regression):各复选框基本知识介绍
精选课件
版权所有,盗版1必7 究
多重共线性的识别(Collinearity Diagnostics)
特征根(Eigenvalue):对模型中常数项及所有自变量计 算主成分,如果自变量间存在较强的线性相关关系,则 前面的几个主成分数值较大,而后面的几个主成分较小, 甚至接近0。
变异构成(Variance Proportion):回归模型中各项(包 括常数项)的变异被各主成分所解释的比例,如果某个 主成分对两个或多个自变量的贡献均较大(大于0.5), 说明这几个自变量间存在一定程度的共线性。
二、衡量多元线性回归模型优劣的标准
1、复相关系数R(Multiple Correlation Coefficient):表示模型中所有自变量与因变量之间 线性回归关系的密切程度大小,取值范围为 (0,1),R值越大越好。
2、决定系数R2(Determinate Coefficient):等于复相 关系数的平方。表示因变量的总变异中可由回归模型 中自变量解释的部分所占的比例。 R2越大越好。
方差膨胀因素(Variance Inflation Factor,VIF):容 忍度的倒数;VIF越大,多重共线性问题越大。
条件指针(Condiction Index,CI 值):等于最大的主成 分与当前主成分的比值的算术平方根。所以第一个主成 分相对应的条件指数总为1.同样,如果几个条件指数较 大(如30),则提示存在多重共线性。
精选课件
版权所有,盗版11必究
二、衡量多元线性回归模型优劣的标准
精选课件
版权所有,盗12版必究
三、线性回归的SPSS实现
1、 SPSS中的回归分析操作(Analyze→Regression→Linear Regression):各复选框基本知识介绍
因变量 框 自变量框选取变量的方 法Fra bibliotek精选课件
版权所有,盗版13必究
2、正态性( GraphsLegaly DialogsHistogram)
精选课件
8
版权所有,盗版必究
3、方差齐性(Analyze→Regression→Linear Regression:plot
选项介绍)
选入ZPRED与ZRESID进入 X,Y两个变量框就可实现。
精选课件
9
版权所有,盗版必究