回归分析spss实现_第1页
回归分析spss实现_第2页
回归分析spss实现_第3页
回归分析spss实现_第4页
回归分析spss实现_第5页
已阅读5页,还剩19页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、第九讲 回归分析的SPSS实现,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,一、描绘散点交互图,基本步骤 Graphs-interactive-Scatterplot Assign Variable-y=课题数;x=高级职称人数 Fit-Method-选择Regression OK,二、用Linear Regression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 METH

2、OD-Enter; stepwise;- 单击Statistics,选择全部核选框 单击Plots,选择”Histogram”核选框和”Normal probality plot” 选择”ZPRED”输入到”Y”;选择”SRESID”输入到”X”; OK,(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.,结果二:模型方差分析表,结果说明: 模型的F检验值=61

3、.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.,结果三:系数分析表,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

4、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。,结果四:相关系数矩阵表,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

5、“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,(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,方差分析,回归系数,多重共线性检验,剔除的变量,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,常见的曲线模型,二次曲线(Quadratic): y=0+1x+2x2 复合曲线(Compound): y=01x 增长曲线(Growth): y=e0+1x 对数曲线(Logarithmic

6、): y=0+1ln(x) 指数曲线(Exponential): y=0e1x 幂函数(Power): y=0 x1 逆函数(Inverse) : y=0+1/x,基本步骤,1)Analyze-Regression-Curve estimation 2)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 Plots models选项绘制回归线;选择Display ANOVA table输出各个模型的方差分析表和回归系数的显著性检验,MODE

7、L: MOD_2. Dependent variable. x5 Method. CUBIC Listwise Deletion of Missing Data Multiple R .99711 R Square .99422 Adjusted R Square .99230 Standard Error 32.23848 Analysis of Variance: DF Sum of Squares Mean Square Regression 3 1610303.3 536767.78 Residuals 9 9353.9 1039.32 F = 516.46087 Signif F =

8、 .0000 - Variables in the Equation - Variable B SE B Beta T Sig T x2 .075378 .069194 .579897 1.089 .3043 x2*2 -1.987684665861E-05 1.3446E-05 -1.685204 -1.478 .1734 x2*3 2.596263004613E-09 7.7924E-10 2.112252 . . (Constant) -41.313805 97.204131 -.425 .6808,Dependent variable. x5 Method. POWER Listwis

9、e Deletion of Missing Data Multiple R .97687 R Square .95428 Adjusted R Square .95012 Standard Error .26578 Analysis of Variance: DF Sum of Squares Mean Square Regression 1 16.217387 16.217387 Residuals 11 .777033 .070639 F = 229.58009 Signif F = .0000 - Variables in the Equation - Variable B SE B Beta T Sig T x2 1.845988 .121832 .976871 15.152 .0000 (Constant) 3.5781705054E-05

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论