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10章,SPSS相关和回归预测,10.1相关分析和回归预测的概要,客观事物之间的关系大致分为两个类别,即函数关系:指两个事物之间的一个一个的对应关系,如商品销售量和销售额的关系。 相关关系(统订关系):指家庭收入和支出、小盆友身高和父母身高的关系等两者之间的一种非一对一的对应关系。 相关关系分为线性相关和非线性相关。 相关性分析和回归预测都是分析客观事物之间相关关系的数量分析方法。 二变量关系强度测定的主要指标,10.2相关性分析,相关性分析通过图形和数值两种方式,有效地阐明事物之间相关关系的强弱程度和形式。 10.2.1将散布图数据以点的形式绘制在正交坐标系上,通过观察散布图可以直观地发现
2、变量间的相关关系及其强弱的程度和方向。10.2.2使用相关系数进行变量间的线性关系解析时,通常需要完成以下两个步骤:第一,表示计算样本相关系数r的相关系数r可取值在-1之间的R0,两个变量存在正的线性相关关系r0.8对两个变量较强0.3表示两变量间的线性关系较弱,来自样本的两者整体上显着的线性关系推测有木有。 的双曲馀弦值。 不同类型的变量必须使用不同的相关系数进行测量。 常用的相关系数主要有人员简单相关系数、人员等级相关系数和Kendall相关系数等。 10.2.2.1人员简单相关系数(两个变量都应用于数值型的数据)人员简单相关系数的校验统一校正量是由于使用10.2.2.2 Spearman
3、类相关系数、Spearman类相关系数来测量顺序变量,因此进行校正利用数据秩,将两个变量的秩代入人员简单相关系数的校正公式,并将它们之间的和限制在1和n之间,可以简化为:如果两个变量的正相关性强,则这些秩的变化具有同步性,而它们的值是小的,而r是1 如果两变量的正相关性较弱,则由于这些秩的变化没有同步性,所以的值较大,r倾向于朝向0。对于小样本,在零假设成立时,Spearman类的相关系数在遵循Spearman分布的大样本中,Spearman类的相关系数的、10.2.3校正相关系数的基本操作、相关性分析,用于描述两个变量间的关系的密切度,其特征是,不论变量是主要的,均处于同等的位置。 Anal
4、yze的下拉菜单Correlate命令项有三个相关性分析功能子命令Bivariate进程、Partial进程、Distances进程,分别是相关性分析、偏相关分析和相似性测度(距离) 与下三个SPSS过程相对应:如果进行相关性分析的两个变量的可能值受到其它变量的影响,则Bivariate过程或Partial过程利用偏相关分析来控制其它变量以及输出控制其它变量的影响的偏相关系数。 距离处理用于样本之间或变量之间的相似性分析,并且通常不单独地被用于聚类分析或因子分析等的先验分析。Bivariate相关性分析步骤,【开数数据:结账台调查1】 AnalyzeCorrelateBivariate,(2)
5、 在“Variables”框中选择要在“Correlation Coefficents”框中校正哪个相关系数(在“Test of Significance”框中选择输出相关系数检查的双边关系的g significancance ) 除了在分析结果中显示统一检验的概率p值之外,join还表示输出变量之间的相关性明确且表示有木有的星号(Option按钮的Statistics选项,cross-productdeviationsandcov 练习1 P143页的斯坦共和国,进行10.3线性回归预测。 10.3.1线性回归预测概要如果线性回归预测的内容能找到一个线性组合,得到一组自变量与因素变量的关系,
6、则该关系的强度有多大? 也就是说,利用自变量的线性组合来预测因素变量的能力有多强的整体解释能力具有统一显着的意义是整体解释能力显着时等自变量具有显着意义的回归预测的一般步骤是回归方程中的解释变量(自变量)和被解释变量(原因变量) 确定回归方程的各种检验是利用回归方程预测的,10.3.2线性回归模型的一元线性回归模型的数学模型:其中x是自变量y是因素变量的截尾,即常数;由于回归系数,自变量对因素变量的影响程度。 用最小二乘法求解方程中的两个残奥元:多元线性回归模型,多元线性回归方程: y=01x12 x2 . kxk 1,2,k是偏回归系数。 1表示在其他参数保持不变时由于参数x1变动一个单位引
7、起的变量y的平均变动。 10.3.3线性回归方程的统一检查10.3.3.1回归式的适合度回归直线和各观测点的接近度称为回归式的适合度,即样本观测值在回归线周围聚集的密度。 1 .方差平方和的分解:制作直线回归方程时,反映y观测值的总变动,可知被称为总劣化。 引起整体劣化的原因有两个。 由于x的可取值不同,所以与x呈线性关系的y值不同。 随机因素的影响。 可分解成总方差平方和(SST)=剩馀的协方差平方和(SST )回归方差平方和(SSR )的SSR是由于x和y的线性回归关系,以及由于除了x对y的线性影响之外的随机因素,在回归直线情况下通过解释得出的SSE是变化的2、可确定系数(判定系数、系数行
8、列式)、回归平方和在总方差平方和中所占的比例作为统一校正指标用于测量x与y的关系的密度以及回归直线的代表性好坏,被称为可确定系数。 对于一次线性回归方程:对于多元线性回归方程:在多元线性回归预测中,引起判定系数增加的原因有两个:一个是方程中解释变量的数量增加,另一个是在方程中引入了对被解释变量有重要影响的解释变量。 当某自变量导入方程对主要变量的线性解释作出重要贡献时,误差平方和必然变小,平均误差平方和也变小,调整的判定系数变高。 因此,在多维线性回归预测中,比判定系数更准确地反映出回归方程调整的判定系数的适合度。 10.3.3.2回归方程的显性检验(方差分析f检验)回归方程的显性检验是检验被
9、解释变量和所有解释变量之间的线性关系是否显性。对于一次线性回归方程,检验统一校正量是多次线性回归方程,检验统一校正量是10.3.3.3回归系数的显性检验(t检验)回归系数的显性检验是回归式中的被解释变量和各解释变量之间的线性关系显着地检验有木有。 对于一次线性回归方程,检验统一修正量是:对于多次线性回归方程,检验统一修正量是: 10.3.3.4残差分析残差是根据回归式算出的预测值与实际的样本值之差,对于线性回归预测,如果方程式能够很好地反映被解释变量的特征和规定性,则对于残差分析,残差服从正态概率分布,其平均值等于0 1 .可用残差图分析残差平均和方差均匀性检验。 残差平均值为零时,残差格拉夫
10、的点应随机散布于纵坐标为0的中心的带状区域。 当残差的方差倾向于随着解释变量值(或解释变量值)的增加而规则地变化时,会发生方差现象。 2、DW检查。 DW检验用于验证残差的自相关性。 检定校准量如下: DW=2表示没有自相关性,在0-2之间表示存在正自相关性,在2-4之间表示存在负自相关性。 通常,可以解释在DW值为1.5-2.5之间没有自相关性的现象。 10.3.3.5多重线性解析多重线性是指说明变量间存在线性相关关系的现象。 一种测量多重共线性的方法通常包括: 1,公差:其中通过第I个解释变量和方程中其它解释变量之间的复相关系数的平方,来代表解释变量之间的线性相关程度。 容许度的可取值的范
11、围在0-1之间,越接近0表示多重共线性越强,越接近1表示多重共线性越弱。 2 .分散膨胀因子VIF。 方差膨胀因子是容许度的倒数。 VIF越大,表示多重共轭线性越强,在VIF为10以上的情况下,存在重症的多重共轭线性。 3、特征根与方差比。 从解释变量的相关系数矩阵求出的特征根中,最大的特征根比其他特征根大得多时,这些解释变量之间会有相当多的重复信息。 如果某个特征根能够描绘某个解释变量的方差的大部分比例(0.7以上)和另外一个解释变量的方差的大部分比例这两者,则表示这些个的两个解释变量间有强的线性相关关系。 4、条件指数。 指最大特征根与第I个特征根之比的平方根。 条件指数通常在0-10之间
12、时,表示多重共轭线性弱;条件指数在10-100之间时,表示多重共线性强;条件指数大于100时,表示多重共轭线性重症。 选择线性回归预测的基本操作(1)AnalyzeRegressionLinear、(2)原因变量,进入从属框。 (3)选择1个以上参数,进入Independent(s )框。 (在Method框中选择用回归预测解释变量的过滤策略,其中Enter表示所选变量强制进入回归方程,是SPSS的差动奥尔特策略,通常用于线性回归预测Remove是: Stepwise表示要从回归表达式中排除选定变量,其中Backward表示后向过滤策略,Forward表示前向过滤策略,以下一些用于多维线性回归
13、: 注意:在多元回归分析情况下,变量过滤通常有三种基本策略:前向过滤、后向过滤和逐步过滤。 前向过滤策略:自变量继续进入回归公式的过程。 首先,选择原因变量和线性相关系数最高的变量进入方程式,进行回归式的各种检查,然后,在剩下的佘变量中查找原因变量和偏相关系数最高,检查合格的变量进入回归方程,对新制作的回归方程进行各种检查的这个过程,可以进入方程式后向过滤策略:变量继续删除回归公式的过程。首先,所有变量被引入回归方程中,对回归方程执行各种检验,并且在回归系数显着化检验的一个或多个变量中,除去t检验值最小的变量,进行再建构、回归方程、各种检验的新回归方程的所有变量的回归系数检验是显着的否则,用上
14、述方法再次删除最不显眼的变量,直到没有可删除的变量为止。 逐步筛选策略:根据前向筛选策略结合后向筛选策略,确定各变量进入方程后,应再次去除方程的变量有木有。 因此,阶段性过滤策略提供了在引入变量的每个阶段删除不明确变量的机会。 (5)在步骤3和4中确定的解释变量和变量过滤策略可被定位在不同的子摇滾乐中。 通常,回归预测有多个解释变量和相应的过滤策略定径套。 可以喀呖声Next和Previous按钮来设置多个解释变量和变量过滤策略的定径套,并将其放置在不同的子摇滾乐中。 (6)选择变量作为条件变量,放入Selection Variable框中,喀呖声Rule按钮指定判定条件。 只有变量值满足判定
15、条件的样本与线性回归预测相关。 (在Case Labels框中,指定哪个变量作为样本数据点的标志变量,并在回归预测的输出格拉夫中显示该变量的值。10.4.4线性回归预测的其他操作1、Statistics按钮,出现的窗口,用于让用户选择更多的输出总量。 一般操作按以下(1)Estimates:SPSS差动奥尔特输出项目的顺序,输出有关回归系数的统一修正量。 包括回归系数(偏回归系数)、回归系数标准误差、标准化回归系数、回归系数显性检验的t统修正量和概率p值、各解释变量的容许度。 (2)Confidence Intervals :输出每个非正规化回归系数95的置信区间;(3)Descriptive
16、 :输出各解释变量和被解释变量的平均值、标准离差、相关系数矩阵及单侧检验概率p值(5)R squared change :输出每个解释变量进入方程式之后发生的判定系数的变化量和f值的变化量。 (7)Covariance matrix :输出方程式中各解释变量间的相关系数、协方差及各回归系数的方差。 (8)Collinearity Diagnostics :输出多重共线性分析、各解释变量的容许度、分散膨胀因子、特征值、条件指标、分散比例等。 (在Residual框中,Durbin-waston表示输出DW检查值。 Casewise Diagnostic表示输出归一化残差的绝对值为3以上(3(SPSS差分奥尔特整值)的样本数据的关联信息,包含预测值、残差、控制杆值等。 2、Options选项和显示的窗口用于允许用户设置在多维线性回归预测中如何处理变量过滤标准和缺少值。 Plot选项,显示的窗口用于残差序列的分析。 (1)窗口左框的各变量名称的含义是,DEPENDNT表示因果变量,*ZPRED表示标准化预测值,*ZRESID表示标准化残差,*DRESID表示剔除残差,*ADJPRE
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。
最新文档
- 脉络膜肿物护理
- 2027年湖南省衡阳市高三下学期第六次检测高考物理试卷(含答案解析)
- 鞍山市2026-2027学年高三压轴卷高考物理试卷(含答案解析)
- 十五五全球化布局:智能床垫控制系统进军中东高端零售
- 掘金智能厨房监控系统万亿蓝海:竞争壁垒与细分赛道突围
- 十五五智能养生壶ESG:全生命周期碳足迹管理与绿色认证
- 浙江浙东北2026-2027学年上学期高二11月期中联考化学试卷
- STEM理念引导下的初中化学项目式学习设计与实施路径探索
- 中药类-药事管理与法规
- 2026年电子黑板行业竞争格局与市场份额分析报告
- (一模)温州市2027届高三第一次适应性考试英语试卷(含答案解析)
- 2026年社区工作者公开招聘考试试题(含详细答案解析)
- 陕西环保集团招聘笔试题库
- 2026年华东理工大学辅导员招聘笔试试题(附答案)
- 世界卫生组织《老年整合照护手册:初级保健中以人为本的评估和路径指南》(第二版)解读
- 2026中国土地二级市场规范化发展路径报告
- 对外投资合作国别(地区)指南 2025 利比里亚
- LY/T 3426-2025直接为林业生产经营服务工程设施用地规范
- 中国马克思主义与当代2024版教材课后思考题答案
- 建筑工地安全奖惩制度
- T-CAWAORG 034-2025 老年主动健康课程设置规范
评论
0/150
提交评论