回归分析spss实现PPT课件.ppt

第九讲回归分析的SPSS实现 1 线性回归分析 被解释变量和各个解释变量各对应一个spss变量 一元线性回归和多元线性回归分析的功能菜单是集成到一起的 数据 高校科研研究 data 2 一 描绘散点交互图 基本步骤Graphs interactive ScatterplotAssignVariable y 课题数 x 高级职称人数Fit Method 选择RegressionOK 3 4 二 用LinearRegression分析 Analyze Regression Linear选择被解释变量进入Dependent框 课题数选择一个或多个解释变量进入Independent s 框METHOD Enter stepwise 单击Statistics 选择全部核选框单击Plots 选择 Histogram 核选框和 Normalprobalityplot 选择 ZPRED 输入到 Y 选择 SRESID 输入到 X OK 5 一 立项课题数多元线性回归分析结果 enter策略 结果一 模型综述表 结果说明 1 调整后的R2 0 939 因此模型的拟和优度较高 模型的F检验达到了0 00的极显著水平 说明模型的线性关系较显著 具有较强的解释能力2 D W值 1 838接近于2 说明模型的序列相关性不强 6 结果二 模型方差分析表 结果说明 模型的F检验值 61 532 对应的概率值P 0 00 远小于0 01的极显著水平 应该拒绝回归系数为零的原假设 即认为回归系数不同时为零 被解释变量与解释变量全体的线性关系是显著的 可以建立线性模型 7 结果三 系数分析表 8 结果说明 1 由于回归方程 课题立项数 35 313 0 698投入人年数 2 变量的显著性检验 只有 投入人年数 达到了0 003的极显著水平 其他变量都不显著 说明除了 投入人年数 外 其他变量都与课题立项数没有显著的线性关系 3 多重共线性检验 容忍度 tolerance 越接近于0 多重共线性越强 方差膨胀因子 VIF 越大 一般大于等于10时 说明解释变量Xi与其余解释变量之间有较强的多重共线性 4 结论 由于模型保留了一些不应保留的变量 该模型不可用 从容忍度和方差膨胀因子看 投入高级职称人数 与其他解释变量之间多重共线性严重 再重新建模 应考虑提出该变量 9 结果四 相关系数矩阵表 10 结果五 多重共线性检验表 结果说明 1 特征根是诊断解释变量间是否存在多重共线性的另一种有效的方法 2 如果某一个特征根能够刻画某解释变量方差的较大部分比例 0 7以上 同时有刻画了另一个变量的方差的较大部分 则表明这两个解释变量之间存在较强的线性相关关系 3 第7个特征根既能解释 投入人年数 方差的84 又能解释 投入高级职称人数 方差的98 同时还能解释 专著数 的44 因此有理由认为这三个变量间存在多重共线性 4 因此应重新建立回归模型 11 一 立项课题数多元线性回归分析结果 backward策略 结果一 模型综述表 12 2020 1 7 13 方差分析 14 回归系数 15 多重共线性检验 16 剔除的变量 17 曲线估计 常见的曲线模型 二次曲线 对数曲线 logarithmic 复合函数 compound 幂函数 Power 等例如 人均消费支出和教育 data要求 分析教育支出和消费支出的关系 18 常见的曲线模型 二次曲线 Quadratic y 0 1x 2x2复合曲线 Compound y 0 1x增长曲线 Growth y e 0 1x对数曲线 Logarithmic y 0 1ln x 指数曲线 Exponential y 0e 1x幂函数 Power y 0 x 1逆函数 Inverse y 0 1 x 19 基本步骤 1 Analyze Regression Curveestimation2 选择被解释变量进入Dependent框 教育支出3 选择消费支出进入Independent s 框 如果选择time参数 则表示解释变量为时间4 Models 选择几种模型复合函数 幂函数等5 选择Plotsmodels选项绘制回归线 选择DisplayANOVAtable输出各个模型的方差分析表和回归系数的显著性检验 20 MODEL MOD 2 Dependentvariable x5Method CUBICListwiseDeletionofMissingDataMultipleR 99711RSquare 99422AdjustedRSquare 99230StandardError32 23848AnalysisofVariance DFSumofSquaresMeanSquareRegression31610303 3536767 78Residuals99353 91039 32F 516 46087SignifF 0000 VariablesintheEquation VariableBSEBBetaTSigTx2 075378 069194 5798971 089 3043x2 2 1 987684665861E 051 3446E 05 1 685204 1 478 1734x2 32 596263004613E 097 7924E 102 112252 Constant 41 31380597 204131 425 6808 21 Dependentvariable x5Method POWERListwiseDeletionofMissingDataMultipleR 97687RSquare 95428AdjustedRSquare 95012StandardError 26578AnalysisofVariance DFSumofSquaresMeanSquareRegression116 21738716 217387Residuals11 777033 070639F 229 58009SignifF 0000 VariablesintheEquation VariableBSEBBetaTSigTx21 845988 121832 97687115 152 0000 Constant 3 5781705054E 053 7164E 05 963 3563 22