SPSS第十讲线性回归分析.pptVIP

第十讲线性回归分析,用变量的观测数据拟合所关注的变量和影响其变化的变量之间的线性关系式检验影响变量的显著程度比较影响变量的作用大小用一个或多个变量的变化解释和预测另一个变量的变化,线性回归的作用,一元线性回归，针对一个影响变量（自变量）的回归分析多元线性回归，针对多个影响变量（自变量）的回归分析,线性回归的类型,因变量：定距变量自变量：定类、定序变量或定距变量，对于分类变量需要转换成虚拟变量,变量的测量尺度,回归方程,一元线性回归YABX多元线性回归YB0B1X1B2X2BnXn,线性回归的位置,一元线性回归,实例1对受访者的性别和月收入进行一元线性回归分析,当自变量是分类变量时，需要将原变量转换成虚拟变量，所有虚拟变量都是“1”和“0”取值的二分变量。（当原变量是二分类变量时，我们只需要设定一个“1”、“0”取值的虚拟变量，并且把取值为“0”的那个类别作为参照项）,注意,步骤1：点击“Recode”，弹出对话框,注意,通常选择RecodeintoDifferentVariable,步骤2：将性别拖入中间空白框,步骤3：在Name栏中填写虚拟变量名,步骤4：点击“Change”按钮,步骤5：点击“OldandNewValues”按钮,步骤6：将原变量的“1”设为新变量的“1”,步骤7：将原变量的“2”设为新变量的“0”,步骤8：点击“Continue”，回到主对话框,步骤8：点击“OK”，生成新的虚拟性别变量,在设置完虚拟变量后，我们才能正式开始回归分析。,注意,步骤9：点击“Regression”中的“Linear”，弹出对话框,步骤10：选择因变量“月收入”和自变量“性别”,点击“OK”，结果一：确定系数表,结果一告诉我们什么？,表格中的R、RSquare和AdjustedRSquare都是用于表示模型的解释能力通常选择AdjustedRSquare作为我们的结论依据，调整后的R平方越大，说明性别和收入的线性关系越强，即性别对收入的解释力越强表中调整后的R平方0.033，表示性别能够解释收入3.3的变化,结果二：方差分析表,结果二告诉我们什么？,结果二是对回归方程进行显著度检验的方差分析，即判断总体回归系数中至少有一个不等于0表中显著度（Sig）0.001，表明性别与收入之间具有显著的线性关系。,结果三：回归系数表,结果三告诉我们什么？,与结果一中的确定系数不同，回归系数是回归方程中x的斜率，表示x每变化一个单位，y的平均变化。从表中B135.406，可以发现男性比女性的平均月收入多135.406元（由于在设定虚拟变量时，将女性取值为“0”，因此这里以女性为参照项）。由此我们可以得到回归方程：y396.656135.406X,结果三告诉我们什么？,表中的t检验是针对回归系数的显著度检验，而结果二中的方差分析是对整个回归方程的检验，在一元回归分析中，这两种检验结果是等同的。而在多元回归分析中，则有可能是不同的。整体方程的显著并不意味着每个回归系数都显著，但每个系数的显著一定意味着整体方程是显著的。从表中显著度初中(0.103)高中(0.082)年龄(0.061),结果三告诉我们什么？,Sig栏中每个回归系数的显著度水平，表明各自所对应的那个自变量与因变量之间是否存在显著的线性相关关系从结果看，所有回归系数的显著度（即P值）都小于0.05，由此，我们可以认为性别、教育和年龄都会影响受访者的月收入。,练习题,利用spss自带的1991的美国GSS数