spss5.7回歸分析

1、5.7 回歸分析 5-7-1 線性回歸模型kkXXXY22110總體回歸模型總體回歸模型j也被稱為也被稱為偏回歸系數(shù)偏回歸系數(shù)(partial regression coefficients)，表示，表示在其他解釋變量保持不變的情況下，在其他解釋變量保持不變的情況下，Xj每變化每變化1個(gè)單位時(shí)，個(gè)單位時(shí)，Y的均值的均值E(Y)的變化。的變化。kkXXXY22110樣本回歸函數(shù)樣本回歸函數(shù)v參數(shù)估計(jì)參數(shù)估計(jì) 最小二乘法v模型統(tǒng)計(jì)推斷檢驗(yàn)?zāi)Ｐ徒y(tǒng)計(jì)推斷檢驗(yàn) 擬合優(yōu)度檢驗(yàn) 方程顯著性檢驗(yàn)（F檢驗(yàn)） 變量顯著性檢驗(yàn)（t檢驗(yàn)） （1 1）擬合優(yōu)度檢驗(yàn)）擬合優(yōu)度檢驗(yàn) 回歸方程的擬合優(yōu)度檢驗(yàn)就是要檢驗(yàn)樣本回歸

2、方程的擬合優(yōu)度檢驗(yàn)就是要檢驗(yàn)樣本數(shù)據(jù)聚集在樣本回歸直線周圍的密集程度，從數(shù)據(jù)聚集在樣本回歸直線周圍的密集程度，從而判斷回歸方程對(duì)樣本數(shù)據(jù)的代表程度。而判斷回歸方程對(duì)樣本數(shù)據(jù)的代表程度。 回歸方程的擬合優(yōu)度檢驗(yàn)一般用調(diào)整判定系數(shù)回歸方程的擬合優(yōu)度檢驗(yàn)一般用調(diào)整判定系數(shù)R2實(shí)現(xiàn)。該統(tǒng)計(jì)量的值越接近于實(shí)現(xiàn)。該統(tǒng)計(jì)量的值越接近于1越好。越好。（注：在一元線性回歸中擬合優(yōu)度的檢驗(yàn)可用判定系注：在一元線性回歸中擬合優(yōu)度的檢驗(yàn)可用判定系數(shù)數(shù)R2實(shí)現(xiàn)）實(shí)現(xiàn)） （2 2）回歸方程的顯著性檢驗(yàn)（）回歸方程的顯著性檢驗(yàn)（F F檢驗(yàn)）檢驗(yàn)） 回歸方程的顯著性檢驗(yàn)是對(duì)因變量與所有回歸方程的顯著性檢驗(yàn)是對(duì)因變量與所有自變

3、量之間的線性關(guān)系是否顯著的一種假設(shè)檢自變量之間的線性關(guān)系是否顯著的一種假設(shè)檢驗(yàn)。驗(yàn)。 回歸方程的顯著性檢驗(yàn)一般采用回歸方程的顯著性檢驗(yàn)一般采用F F檢驗(yàn)，檢驗(yàn)，利用方差分析的方法進(jìn)行。利用方差分析的方法進(jìn)行。 注意：一元線性回歸模型不進(jìn)行注意：一元線性回歸模型不進(jìn)行F F檢驗(yàn)檢驗(yàn) FHk012000:, （3 3）回歸系數(shù)的顯著性檢驗(yàn)（）回歸系數(shù)的顯著性檢驗(yàn)（t t檢驗(yàn)）檢驗(yàn)） 所謂回歸系數(shù)的顯著性檢驗(yàn)，就是根據(jù)樣所謂回歸系數(shù)的顯著性檢驗(yàn)，就是根據(jù)樣本估計(jì)的結(jié)果對(duì)總體回歸系數(shù)的有關(guān)假設(shè)進(jìn)行本估計(jì)的結(jié)果對(duì)總體回歸系數(shù)的有關(guān)假設(shè)進(jìn)行檢驗(yàn)。檢驗(yàn)。 之所以對(duì)回歸系數(shù)進(jìn)行顯著性檢驗(yàn)，是因之所以對(duì)回歸系數(shù)

4、進(jìn)行顯著性檢驗(yàn)，是因?yàn)榛貧w方程的顯著性檢驗(yàn)只能檢驗(yàn)所有回歸系為回歸方程的顯著性檢驗(yàn)只能檢驗(yàn)所有回歸系數(shù)是否同時(shí)與零有顯著性差異，它不能保證回?cái)?shù)是否同時(shí)與零有顯著性差異，它不能保證回歸方程中不包含不能較好解釋說(shuō)明因變量變化歸方程中不包含不能較好解釋說(shuō)明因變量變化的自變量。因此，可以通過(guò)回歸系數(shù)顯著性檢的自變量。因此，可以通過(guò)回歸系數(shù)顯著性檢驗(yàn)對(duì)每個(gè)回歸系數(shù)進(jìn)行考察。驗(yàn)對(duì)每個(gè)回歸系數(shù)進(jìn)行考察。 回歸參數(shù)顯著性檢驗(yàn)的基本步驟?；貧w參數(shù)顯著性檢驗(yàn)的基本步驟。 提出假設(shè)提出假設(shè) 計(jì)算回歸系數(shù)的計(jì)算回歸系數(shù)的t t統(tǒng)計(jì)量值統(tǒng)計(jì)量值 根據(jù)給定的顯著水平根據(jù)給定的顯著水平確定臨界值，確定臨界值，或者計(jì)算或者計(jì)

5、算t t值所對(duì)應(yīng)的值所對(duì)應(yīng)的p p值值 作出判斷作出判斷H0：j =0 （j=1,2k） 一、一元線性回歸 y=a+bx例2-7-1 已知我國(guó)分地區(qū)家庭人均食品支出、人均收入。試作一元線性回歸分析。（e5-7-1) 操作步驟：使用系統(tǒng)默認(rèn)選擇項(xiàng)進(jìn)行線性回歸分析分析回歸線性 確定因變量和自變量 輸出結(jié)果及結(jié)果分析變量引入或剔出表：模型1 引入變量 income, 用輸入法。 模型摘要表模型摘要表 相關(guān)系數(shù)相關(guān)系數(shù)R=0.923, R R2 2=0.852,=0.852,調(diào)整后的調(diào)整后的R R2 2=0.847,=0.847,估計(jì)值的標(biāo)估計(jì)值的標(biāo)準(zhǔn)誤差為準(zhǔn)誤差為73.8373.83 注：在一元線性

6、回歸中可用注：在一元線性回歸中可用R2來(lái)判斷模型的擬合度。來(lái)判斷模型的擬合度。R2的的值越大，模型的擬合優(yōu)度越好。值越大，模型的擬合優(yōu)度越好。變量顯著性檢驗(yàn)（變量顯著性檢驗(yàn)（t 檢驗(yàn)）檢驗(yàn)）回歸系數(shù)：回歸系數(shù)：t=12.694, p=0.00, 拒絕原假設(shè)，顯著不為拒絕原假設(shè)，顯著不為0常數(shù)項(xiàng)：常數(shù)項(xiàng)：t=-0.781，p=0.441，不能拒絕原假設(shè)，常數(shù)項(xiàng)與，不能拒絕原假設(shè)，常數(shù)項(xiàng)與0沒(méi)有顯著差異。沒(méi)有顯著差異。注意：在實(shí)際中一般不以注意：在實(shí)際中一般不以t檢驗(yàn)決定常數(shù)項(xiàng)是否保留在模型中，而是從經(jīng)濟(jì)意檢驗(yàn)決定常數(shù)項(xiàng)是否保留在模型中，而是從經(jīng)濟(jì)意義方面分析回歸線是否應(yīng)該通過(guò)原點(diǎn)。義方面分析回歸

7、線是否應(yīng)該通過(guò)原點(diǎn)。回歸方程：回歸方程： 常數(shù)項(xiàng)常數(shù)項(xiàng)=-53.086, 回歸系數(shù)回歸系數(shù)=0.422, 則線性回歸方程為則線性回歸方程為: income422. 0086.53-foodexp二、多元回歸分析1、從分析回歸線性，打開(kāi) 線性回歸主對(duì)話框 。 2、在左側(cè)的源變量欄中選擇一數(shù)值變量進(jìn)入因變量欄中，選擇一個(gè)或更多、在左側(cè)的源變量欄中選擇一數(shù)值變量進(jìn)入因變量欄中，選擇一個(gè)或更多的變量進(jìn)入自變量欄中。的變量進(jìn)入自變量欄中。 3、如果要對(duì)不同的自變量采用不同的引入方法，可利用、如果要對(duì)不同的自變量采用不同的引入方法，可利用“上一頁(yè)上一頁(yè)” 與與“下下一頁(yè)一頁(yè)” 按鈕把自變量歸類按鈕把自變量

8、歸類到不同的自變量塊中，然后對(duì)不同的變量子集選用不同到不同的自變量塊中，然后對(duì)不同的變量子集選用不同的引入方法。的引入方法。 輸入輸入：強(qiáng)迫引入法，默認(rèn)選擇項(xiàng)。定義的全部自變量均引入方程。：強(qiáng)迫引入法，默認(rèn)選擇項(xiàng)。定義的全部自變量均引入方程。 刪除刪除：強(qiáng)迫剔除法。定義的全部自變量均刪除。：強(qiáng)迫剔除法。定義的全部自變量均刪除。 前進(jìn)前進(jìn)：向前引入法。自變量由少到多一個(gè)一個(gè)引入回歸方程，直到不能：向前引入法。自變量由少到多一個(gè)一個(gè)引入回歸方程，直到不能按檢驗(yàn)水準(zhǔn)引入新的變量為止。該法的缺點(diǎn)是：當(dāng)兩個(gè)變量一起時(shí)效果好，單獨(dú)按檢驗(yàn)水準(zhǔn)引入新的變量為止。該法的缺點(diǎn)是：當(dāng)兩個(gè)變量一起時(shí)效果好，單獨(dú)時(shí)效果

9、不好，有可能只引入其中一個(gè)變量，或兩個(gè)變量都不能引入。時(shí)效果不好，有可能只引入其中一個(gè)變量，或兩個(gè)變量都不能引入。 后退后退：向后剔除法。自變量由多到少一個(gè)一個(gè)從回歸方程中剔除，直到：向后剔除法。自變量由多到少一個(gè)一個(gè)從回歸方程中剔除，直到不能按檢驗(yàn)水準(zhǔn)剔除為止，能克服向前引入法的缺點(diǎn)。當(dāng)兩個(gè)變量一起時(shí)效果好，不能按檢驗(yàn)水準(zhǔn)剔除為止，能克服向前引入法的缺點(diǎn)。當(dāng)兩個(gè)變量一起時(shí)效果好，單獨(dú)時(shí)效果不好，該法可將兩個(gè)變量都引入方程。單獨(dú)時(shí)效果不好，該法可將兩個(gè)變量都引入方程。 逐步逐步：逐步引入一剔除法。將向前引入法和向后剔除法結(jié)合起來(lái)，在向：逐步引入一剔除法。將向前引入法和向后剔除法結(jié)合起來(lái)，在向前

10、引入的每一步之后都要考慮從已引入方程的變量中剔除作用不顯著者，直到?jīng)]前引入的每一步之后都要考慮從已引入方程的變量中剔除作用不顯著者，直到?jīng)]有一個(gè)自變量能引入方程和沒(méi)有一個(gè)自變量能從方程中剔除為止。缺點(diǎn)同向前引有一個(gè)自變量能引入方程和沒(méi)有一個(gè)自變量能從方程中剔除為止。缺點(diǎn)同向前引入法，但選中的變量比較精悍。入法，但選中的變量比較精悍。 說(shuō)明：為彌補(bǔ)各種選擇方法和各種標(biāo)準(zhǔn)的局限性，不妨分說(shuō)明：為彌補(bǔ)各種選擇方法和各種標(biāo)準(zhǔn)的局限性，不妨分別用各種方法和多種引入或剔別用各種方法和多種引入或剔除處理同一問(wèn)題，若一些變量常除處理同一問(wèn)題，若一些變量常被選中，它們就值得重視。被選中，它們就值得重視。 4、選

11、擇變量：可從源變量欄中選擇一個(gè)變量，單擊、選擇變量：可從源變量欄中選擇一個(gè)變量，單擊規(guī)則規(guī)則按鈕按鈕后，通過(guò)該變量大于、小于或等于某一數(shù)值，選擇進(jìn)入回后，通過(guò)該變量大于、小于或等于某一數(shù)值，選擇進(jìn)入回歸分析的觀察單位。歸分析的觀察單位。 5、個(gè)案標(biāo)簽：在左側(cè)的源變量框中選擇一變量作為標(biāo)簽、個(gè)案標(biāo)簽：在左側(cè)的源變量框中選擇一變量作為標(biāo)簽變量進(jìn)入變量進(jìn)入 個(gè)案標(biāo)簽個(gè)案標(biāo)簽框中。框中。 6、Statistics（統(tǒng)計(jì)）對(duì)話框（統(tǒng)計(jì)）對(duì)話框單擊單擊“Statistics”按鈕，進(jìn)入統(tǒng)計(jì)對(duì)話框如圖按鈕，進(jìn)入統(tǒng)計(jì)對(duì)話框如圖:置信區(qū)間置信區(qū)間 估計(jì)估計(jì)(默認(rèn)選擇項(xiàng)默認(rèn)選擇項(xiàng))：回歸系數(shù)的估計(jì)值：回歸系數(shù)的估

12、計(jì)值(B)及其標(biāo)準(zhǔn)誤（及其標(biāo)準(zhǔn)誤（StdError）、常）、常數(shù)（數(shù)（Constant）；標(biāo)準(zhǔn)化回歸系數(shù)（）；標(biāo)準(zhǔn)化回歸系數(shù)（Beta）；）；B的的t值及其雙尾顯著性水平值及其雙尾顯著性水平(Sig.）。）。 模型擬合度（默認(rèn)選擇項(xiàng)）：列出進(jìn)入或從模型中剔除的變量；顯示下列擬模型擬合度（默認(rèn)選擇項(xiàng)）：列出進(jìn)入或從模型中剔除的變量；顯示下列擬合優(yōu)度統(tǒng)計(jì)量合優(yōu)度統(tǒng)計(jì)量:復(fù)相關(guān)系數(shù)（復(fù)相關(guān)系數(shù)（R）、判定系數(shù)（）、判定系數(shù)（R2）、調(diào)整）、調(diào)整 R2（Adjusted R Square）、估計(jì)值的標(biāo)準(zhǔn)誤以及方差分析表。）、估計(jì)值的標(biāo)準(zhǔn)誤以及方差分析表。 置信區(qū)間：回歸系數(shù)置信區(qū)間：回歸系數(shù) B的的

13、95可信區(qū)間（可信區(qū)間（95Confidence interval for B）。）。 描述性：變量的均數(shù)、標(biāo)準(zhǔn)差、相關(guān)系數(shù)矩陣及單尾檢驗(yàn)。描述性：變量的均數(shù)、標(biāo)準(zhǔn)差、相關(guān)系數(shù)矩陣及單尾檢驗(yàn)。 協(xié)方差矩陣。協(xié)方差矩陣。 R 方變化：方變化：R2和和 F值的改變，以及方差分析值的改變，以及方差分析 P值的改變。值的改變。 部分相關(guān)和偏相關(guān)部分相關(guān)和偏相關(guān): 顯示方程中各自變量與因變量的零階相關(guān)（顯示方程中各自變量與因變量的零階相關(guān)（Zero一一order，即，即Pearson相關(guān)）、偏相關(guān)相關(guān)）、偏相關(guān)(Partial)和部分相關(guān)和部分相關(guān)(part）。進(jìn)行此項(xiàng)分析要）。進(jìn)行此項(xiàng)分析要求方程中至

14、少有兩個(gè)自變量。求方程中至少有兩個(gè)自變量。 共線性診斷。顯示各變量的容差（共線性診斷。顯示各變量的容差（Tolerance）、方差膨脹因子）、方差膨脹因子 (VIF，Variance Inflation Factor）和共線性的診斷表。）和共線性的診斷表。 容差（容差（Tolerance）是不能由方程中其它自變量解釋的方差所占）是不能由方程中其它自變量解釋的方差所占的構(gòu)成比。所有進(jìn)入方程的變量的容差必須大于默認(rèn)的容差水平值。的構(gòu)成比。所有進(jìn)入方程的變量的容差必須大于默認(rèn)的容差水平值。該值愈小，說(shuō)明該自變量與其他自變量的線性關(guān)系愈密切。該值的該值愈小，說(shuō)明該自變量與其他自變量的線性關(guān)系愈密切。該

15、值的倒數(shù)為方差膨脹因子（倒數(shù)為方差膨脹因子（Variance Inflation Factor，VIF）。當(dāng)自變）。當(dāng)自變量均為隨機(jī)變量時(shí)，若它們之間高度相關(guān)，則稱自變量間存在共線量均為隨機(jī)變量時(shí)，若它們之間高度相關(guān)，則稱自變量間存在共線性。在性。在多元線性回歸時(shí)，共線性會(huì)使參數(shù)估計(jì)不穩(wěn)定。逐步選擇變多元線性回歸時(shí)，共線性會(huì)使參數(shù)估計(jì)不穩(wěn)定。逐步選擇變量是解決共線性的方法之一。（容差小于量是解決共線性的方法之一。（容差小于0.10.1或或0.20.2，或，或VIFVIF大于大于5 5或或1010時(shí)可以認(rèn)為模型存在共線性問(wèn)題）時(shí)可以認(rèn)為模型存在共線性問(wèn)題） DurbinWaston：用于隨機(jī)誤差

16、項(xiàng)的分析，以檢驗(yàn)回歸模型：用于隨機(jī)誤差項(xiàng)的分析，以檢驗(yàn)回歸模型中的誤差項(xiàng)的獨(dú)立性。如果誤差項(xiàng)不獨(dú)立，那么對(duì)回歸模型的任何中的誤差項(xiàng)的獨(dú)立性。如果誤差項(xiàng)不獨(dú)立，那么對(duì)回歸模型的任何估計(jì)與假設(shè)所做出的結(jié)論都是不可靠的。估計(jì)與假設(shè)所做出的結(jié)論都是不可靠的。 計(jì)算計(jì)算DW值值 給定給定 ，由，由n和和k的大小查的大小查DW分布表，得臨界值分布表，得臨界值dL和和dU 比較、判斷比較、判斷 0D.W.dL 存在正自相關(guān) dLD.W.dU 不能確定 dU D.W.4dU 無(wú)自相關(guān)4dU D.W.4 dL 不能確定4dL D.W.4 存在負(fù)自相關(guān) 說(shuō)明：當(dāng)說(shuō)明：當(dāng)D.W.值在值在2左右時(shí)，模型不存在一階自相

17、關(guān)。左右時(shí)，模型不存在一階自相關(guān)。個(gè)案診斷：對(duì)標(biāo)準(zhǔn)化殘差個(gè)案診斷：對(duì)標(biāo)準(zhǔn)化殘差(服從均數(shù)服從均數(shù)=0，標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)差=1的正態(tài)分布的正態(tài)分布)進(jìn)進(jìn)行診斷。行診斷。 判斷有無(wú)奇異值（離群值）（判斷有無(wú)奇異值（離群值）（outliers）。）。 離群值：顯示標(biāo)準(zhǔn)化殘差超過(guò)離群值：顯示標(biāo)準(zhǔn)化殘差超過(guò)n個(gè)標(biāo)準(zhǔn)差的奇異值，個(gè)標(biāo)準(zhǔn)差的奇異值，n=3為默認(rèn)值。為默認(rèn)值。 所有個(gè)案：顯示每一例的標(biāo)準(zhǔn)化殘差、實(shí)測(cè)值和預(yù)測(cè)值、所有個(gè)案：顯示每一例的標(biāo)準(zhǔn)化殘差、實(shí)測(cè)值和預(yù)測(cè)值、殘差。殘差。7、繪圖對(duì)話框、繪圖對(duì)話框 單擊單擊“繪圖繪圖”按鈕，對(duì)話框如下圖所示。繪圖可幫助分析資按鈕，對(duì)話框如下圖所示。繪圖可幫助分析資

18、料的正態(tài)性、線性和方差齊性，還可幫助檢測(cè)奇異值或異常值。料的正態(tài)性、線性和方差齊性，還可幫助檢測(cè)奇異值或異常值。 （1）散點(diǎn)圖：可選擇如下任何兩個(gè)變量為）散點(diǎn)圖：可選擇如下任何兩個(gè)變量為Y（縱軸變量）與（縱軸變量）與X（橫軸變量）作圖。為（橫軸變量）作圖。為 獲得更多的圖形，可單擊獲得更多的圖形，可單擊“Next”按鈕來(lái)重按鈕來(lái)重復(fù)操作過(guò)程。復(fù)操作過(guò)程。 DEPENDENT：因變量。：因變量。 *ZPRED：標(biāo)準(zhǔn)化預(yù)測(cè)值。：標(biāo)準(zhǔn)化預(yù)測(cè)值。 *ZRESID: 標(biāo)準(zhǔn)化殘差。標(biāo)準(zhǔn)化殘差。 *DRESID：刪除的殘差。：刪除的殘差。 *ADJPRED：調(diào)整殘差。：調(diào)整殘差。 *SRESID：Stude

19、nt氏殘差。氏殘差。 *SDRESID: Student氏刪除殘差。氏刪除殘差。 （2）標(biāo)準(zhǔn)化殘差圖）標(biāo)準(zhǔn)化殘差圖 直方圖：標(biāo)準(zhǔn)化殘差的直方圖，并給出正態(tài)曲線。直方圖：標(biāo)準(zhǔn)化殘差的直方圖，并給出正態(tài)曲線。 正態(tài)概率圖：標(biāo)準(zhǔn)化殘差的正態(tài)概率圖（正態(tài)概率圖：標(biāo)準(zhǔn)化殘差的正態(tài)概率圖（PP圖）。圖）。 （3）產(chǎn)生所有部分圖：輸出每一個(gè)自變量的殘差相對(duì)于因變量）產(chǎn)生所有部分圖：輸出每一個(gè)自變量的殘差相對(duì)于因變量殘差的散點(diǎn)圖。殘差的散點(diǎn)圖。8、“保存保存”對(duì)話框?qū)υ捒?單擊單擊“ 保存保存”按鈕，對(duì)話框如下圖所示。每項(xiàng)選擇都會(huì)增加新變按鈕，對(duì)話框如下圖所示。每項(xiàng)選擇都會(huì)增加新變量到正在使用的數(shù)據(jù)文件中。量

20、到正在使用的數(shù)據(jù)文件中。（1）預(yù)測(cè)值（）預(yù)測(cè)值（Predicted Values）：）： 未標(biāo)準(zhǔn)化：未標(biāo)準(zhǔn)化的預(yù)測(cè)值，簡(jiǎn)稱預(yù)測(cè)值未標(biāo)準(zhǔn)化：未標(biāo)準(zhǔn)化的預(yù)測(cè)值，簡(jiǎn)稱預(yù)測(cè)值(新變量為新變量為pre-_1)。 標(biāo)準(zhǔn)化：標(biāo)準(zhǔn)化的預(yù)測(cè)值（新變量為標(biāo)準(zhǔn)化：標(biāo)準(zhǔn)化的預(yù)測(cè)值（新變量為Zpr_1）。）。 SEOf mean prediction：預(yù)測(cè)值的標(biāo)準(zhǔn)誤（新變量為：預(yù)測(cè)值的標(biāo)準(zhǔn)誤（新變量為 Sep_l）。）。（2）殘差（）殘差（Residuals） 未標(biāo)準(zhǔn)化：未標(biāo)準(zhǔn)化殘差（新變量為未標(biāo)準(zhǔn)化：未標(biāo)準(zhǔn)化殘差（新變量為res_1）。）。 標(biāo)準(zhǔn)化：標(biāo)準(zhǔn)化殘差（新變量為標(biāo)準(zhǔn)化：標(biāo)準(zhǔn)化殘差（新變量為Zre_1）。）。（

21、3）預(yù)測(cè)區(qū)間（）預(yù)測(cè)區(qū)間（Prediction Intervals） 平均值：是總體中當(dāng)平均值：是總體中當(dāng)X為某定值時(shí)預(yù)測(cè)值的均數(shù)的可信區(qū)間（新變量為某定值時(shí)預(yù)測(cè)值的均數(shù)的可信區(qū)間（新變量lmci_1為下限，為下限， umci_1為上為上 限。限。 單值：個(gè)體單值：個(gè)體Y值的容許區(qū)間。即總體中，當(dāng)值的容許區(qū)間。即總體中，當(dāng)X為某定值時(shí)，個(gè)體為某定值時(shí)，個(gè)體Y值的波值的波動(dòng)范圍（新變量動(dòng)范圍（新變量lici_1為下限，為下限，uici_1為上限）。為上限）。 置信區(qū)間：默認(rèn)為置信區(qū)間：默認(rèn)為 95的可信區(qū)間，但用戶可以自己設(shè)定。的可信區(qū)間，但用戶可以自己設(shè)定。9、選項(xiàng)對(duì)話框 單擊“選項(xiàng)”按鈕，打

22、開(kāi)選項(xiàng)對(duì)話框，如下圖。 （1）逐步方法準(zhǔn)則（）逐步方法準(zhǔn)則（Stepping Method Criteria）：）： 使用使用 F的概率：當(dāng)候選變量中最大的概率：當(dāng)候選變量中最大 F值的值的 P值小于或等于引入值小于或等于引入值（默認(rèn)：值（默認(rèn)：005）時(shí)，引入相應(yīng)的變量；已進(jìn)入方程的變量中，）時(shí)，引入相應(yīng)的變量；已進(jìn)入方程的變量中，最小最小F值的值的P值大于或等于剔除值（默認(rèn)：值大于或等于剔除值（默認(rèn)：0.10）時(shí)，剔除相應(yīng)的變）時(shí)，剔除相應(yīng)的變量。所設(shè)定的引入值必須小于剔量。所設(shè)定的引入值必須小于剔 除值，用戶可設(shè)定其它標(biāo)準(zhǔn)，如引除值，用戶可設(shè)定其它標(biāo)準(zhǔn)，如引入入 0.10，剔除，剔除 0

23、.11，放寬變量進(jìn)入方程的標(biāo)準(zhǔn)。，放寬變量進(jìn)入方程的標(biāo)準(zhǔn)。 使用使用 F值。含義同上。值。含義同上。 在等式中包含常量：線性回歸方程中含有常數(shù)項(xiàng)。在等式中包含常量：線性回歸方程中含有常數(shù)項(xiàng)。（2）缺失值的處理方法（）缺失值的處理方法（Missing Value） 按列表排除個(gè)案：剔除所有變量中有缺失值的觀測(cè)量。按列表排除個(gè)案：剔除所有變量中有缺失值的觀測(cè)量。 按對(duì)排除個(gè)案：僅剔除正在參與運(yùn)算的一對(duì)變量中有缺失值的按對(duì)排除個(gè)案：僅剔除正在參與運(yùn)算的一對(duì)變量中有缺失值的觀測(cè)量。觀測(cè)量。 使用平均值替換：以平均數(shù)代替缺失值使用平均值替換：以平均數(shù)代替缺失值.11、WLS權(quán)重權(quán)重 （1）利用加權(quán)最小平

24、方法給于觀測(cè)量不同的權(quán)重值，它或許用）利用加權(quán)最小平方法給于觀測(cè)量不同的權(quán)重值，它或許用來(lái)補(bǔ)償采用不同測(cè)量方式時(shí)所產(chǎn)生的誤差。來(lái)補(bǔ)償采用不同測(cè)量方式時(shí)所產(chǎn)生的誤差。 （2）將左側(cè)源變量框中的加權(quán)變量選入）將左側(cè)源變量框中的加權(quán)變量選入WLS Weight框中?？蛑小?yīng)用舉例應(yīng)用舉例 例例2-7-2 在例在例2-7-1中增加一自變量糧食價(jià)格中增加一自變量糧食價(jià)格price,數(shù)據(jù)如下圖。數(shù)據(jù)如下圖。試作多元線性回歸分析。試作多元線性回歸分析。(e5-7-2.sav)(e5-7-2.sav) 操作步驟：操作步驟： 1、從菜單、從菜單“分析分析”“回歸回歸”“線性線性”，打開(kāi)線性回歸主對(duì)，打開(kāi)線性回歸

25、主對(duì)話框。話框。 2、在左邊的源變量欄中選擇、在左邊的源變量欄中選擇foodexp作為因變量進(jìn)入因變量作為因變量進(jìn)入因變量t欄欄中，選擇中，選擇income、price作為自變量進(jìn)入自變量欄中。在方法欄中選作為自變量進(jìn)入自變量欄中。在方法欄中選擇逐步（逐步引入一剔除法）。擇逐步（逐步引入一剔除法）。 3、單擊、單擊“選項(xiàng)選項(xiàng)”按鈕，進(jìn)入選項(xiàng)對(duì)話框。在使用按鈕，進(jìn)入選項(xiàng)對(duì)話框。在使用F的概率欄中的概率欄中的輸入框內(nèi)輸入的輸入框內(nèi)輸入010，刪除框中輸入，刪除框中輸入011。 4、單擊、單擊“Statistics”按鈕，進(jìn)入按鈕，進(jìn)入 Statistics對(duì)話框，選擇對(duì)話框，選擇 描述性描述性 5

26、、單擊、單擊“保存保存”按鈕，選擇保存以下新變量：按鈕，選擇保存以下新變量： （1 1）預(yù)測(cè)值中的）預(yù)測(cè)值中的 未標(biāo)準(zhǔn)化的預(yù)測(cè)值（新變量為未標(biāo)準(zhǔn)化的預(yù)測(cè)值（新變量為 pre_lpre_l） 均值預(yù)測(cè)值的均值預(yù)測(cè)值的S.E.（新變量為（新變量為 sepsepl l）。）。 （2 2）殘差中的）殘差中的 末標(biāo)準(zhǔn)化（新變量為末標(biāo)準(zhǔn)化（新變量為res_1res_1） 6 6、單擊、單擊“確定確定”按鈕，運(yùn)行程序，得到結(jié)果如下：按鈕，運(yùn)行程序，得到結(jié)果如下：描述統(tǒng)計(jì)量表：均值、標(biāo)準(zhǔn)差、觀測(cè)量的個(gè)數(shù)相關(guān)系數(shù)表：相關(guān)系數(shù)、檢驗(yàn)概率、觀測(cè)量個(gè)數(shù)相關(guān)系數(shù)表：相關(guān)系數(shù)、檢驗(yàn)概率、觀測(cè)量個(gè)數(shù)變量引入剔除表：變量引入

27、剔除表： 模型模型1中：引入自變量中：引入自變量income 模型模型2中：又引入中：又引入Price，沒(méi)有剔除變量，所以有兩個(gè)自變量。，沒(méi)有剔除變量，所以有兩個(gè)自變量。模型摘要表模型摘要表 模型模型1 中：中：R=0.923, R2 2=0.852,=0.852,調(diào)整后的調(diào)整后的R R2 2=0.847,=0.847,估計(jì)值估計(jì)值的標(biāo)準(zhǔn)誤為的標(biāo)準(zhǔn)誤為73.8373.83 模型模型2 中：中：R=0.940, R2 2=0.884,=0.884,調(diào)整后的調(diào)整后的R R2 2=0.876,=0.876,估計(jì)值估計(jì)值的標(biāo)準(zhǔn)誤為的標(biāo)準(zhǔn)誤為66.4766.47。方差分析表方差分析表 模型模型 2 中：

28、中：F103.167, P=0.000, 說(shuō)明因變量說(shuō)明因變量foodexp與自與自變量變量income、price之間有線性關(guān)系。之間有線性關(guān)系。回歸分析系數(shù)表回歸分析系數(shù)表 模型模型 2中回歸方程為：中回歸方程為： foodexp=-87.378+0.354income+206.538price 經(jīng)經(jīng)t檢驗(yàn)，檢驗(yàn)， 在在0.05檢驗(yàn)水平下，回歸系數(shù)檢驗(yàn)水平下，回歸系數(shù)b1、b2有顯著性意義。而常有顯著性意義。而常數(shù)項(xiàng)的數(shù)項(xiàng)的P0.173, 無(wú)顯著性意義。無(wú)顯著性意義。模型外的變量模型外的變量 模型模型1中方程外的變量中方程外的變量price的的t檢驗(yàn)概率檢驗(yàn)概率 P=0.011”按鈕。按鈕

29、。 （4）方法：協(xié)變量篩選方法選項(xiàng)。可選擇七種篩選協(xié)變量方法）方法：協(xié)變量篩選方法選項(xiàng)?？蛇x擇七種篩選協(xié)變量方法的其中之一。的其中之一。 輸入：所有自變量強(qiáng)制進(jìn)入回歸方程。：所有自變量強(qiáng)制進(jìn)入回歸方程。 向前：有條件：以假定參數(shù)為基礎(chǔ)作似然比概率檢驗(yàn)，向前逐向前：有條件：以假定參數(shù)為基礎(chǔ)作似然比概率檢驗(yàn)，向前逐步選擇自變量。步選擇自變量。 向前：向前：LR：以最大局部似然為基礎(chǔ)作似然比概率檢驗(yàn)，向前逐：以最大局部似然為基礎(chǔ)作似然比概率檢驗(yàn)，向前逐步選擇自變量。步選擇自變量。 向前：向前：Wald：作：作 Wald概率統(tǒng)計(jì)法，向前逐步選擇自變量。概率統(tǒng)計(jì)法，向前逐步選擇自變量。 向后：有條件：以

30、假定參數(shù)為基礎(chǔ)作似然比概率檢驗(yàn)，向后逐向后：有條件：以假定參數(shù)為基礎(chǔ)作似然比概率檢驗(yàn)，向后逐步選擇自變量。步選擇自變量。 向后：向后：LR：以最大局部似然為基礎(chǔ)作似然比概率檢驗(yàn)，向后逐：以最大局部似然為基礎(chǔ)作似然比概率檢驗(yàn)，向后逐步選擇自變量。步選擇自變量。 向后向后：Wald：作：作 Wald概率統(tǒng)計(jì)法，向后逐步選擇自變量概率統(tǒng)計(jì)法，向后逐步選擇自變量。 （5）“選擇變量選擇變量” ： 放入將要按規(guī)則選擇觀察值的變量。放入將要按規(guī)則選擇觀察值的變量。 規(guī)則按鈕。激活規(guī)則按鈕。激活“ 定義選擇規(guī)則定義選擇規(guī)則”對(duì)話框。設(shè)定規(guī)則：選擇對(duì)話框。設(shè)定規(guī)則：選擇變量等于，不等于，小于，小于或等于，大于

31、，大于或等于某值。變量等于，不等于，小于，小于或等于，大于，大于或等于某值。 （6）“ 分類分類”：定義分類協(xié)變量按鈕。激活定義分類協(xié)變量對(duì)話框，：定義分類協(xié)變量按鈕。激活定義分類協(xié)變量對(duì)話框，可定義一個(gè)或多個(gè)字符型和數(shù)值型分類變量。可定義一個(gè)或多個(gè)字符型和數(shù)值型分類變量。 （7）“保存保存”：儲(chǔ)存新變量按鈕。激活儲(chǔ)存新變量對(duì)話框。：儲(chǔ)存新變量按鈕。激活儲(chǔ)存新變量對(duì)話框。 （8）“ 選項(xiàng)選項(xiàng)”：選擇按鈕。激活選擇對(duì)話框。：選擇按鈕。激活選擇對(duì)話框。 4選項(xiàng)對(duì)話框。統(tǒng)計(jì)和圖：統(tǒng)計(jì)和圖： 分類圖分類圖 輸出：輸出： 在每個(gè)步驟中：顯示每一步的結(jié)果。系統(tǒng)默認(rèn)值。在每個(gè)步驟中：顯示每一步的結(jié)果。系統(tǒng)默

32、認(rèn)值。 在最后一個(gè)步驟中：顯示綜合中間過(guò)程和最后結(jié)果。在最后一個(gè)步驟中：顯示綜合中間過(guò)程和最后結(jié)果。步進(jìn)概率：協(xié)變量引入或刪除的概率標(biāo)準(zhǔn)選項(xiàng)步進(jìn)概率：協(xié)變量引入或刪除的概率標(biāo)準(zhǔn)選項(xiàng) 進(jìn)入，引入?yún)f(xié)變量標(biāo)準(zhǔn)，默認(rèn)值為進(jìn)入，引入?yún)f(xié)變量標(biāo)準(zhǔn)，默認(rèn)值為0.05。 刪除，刪除協(xié)變量標(biāo)準(zhǔn)，系統(tǒng)默認(rèn)值為刪除，刪除協(xié)變量標(biāo)準(zhǔn)，系統(tǒng)默認(rèn)值為0.10。分類標(biāo)準(zhǔn)值分類標(biāo)準(zhǔn)值: 因變量分類界限，系統(tǒng)默認(rèn)值為因變量分類界限，系統(tǒng)默認(rèn)值為0.5。最大迭代次數(shù)最大迭代次數(shù):設(shè)定最大迭代次數(shù)，系統(tǒng)默認(rèn)值為設(shè)定最大迭代次數(shù)，系統(tǒng)默認(rèn)值為20次。次。在模型中包含常數(shù)項(xiàng)在模型中包含常數(shù)項(xiàng)，系統(tǒng)默認(rèn)值，系統(tǒng)默認(rèn)值 研究問(wèn)題研究問(wèn)題 在

33、一次關(guān)于某城鎮(zhèn)居民上下班使用交通工在一次關(guān)于某城鎮(zhèn)居民上下班使用交通工具的社會(huì)調(diào)查中，因變量具的社會(huì)調(diào)查中，因變量y =1y =1表示居民主要乘表示居民主要乘坐公共汽車上下班；坐公共汽車上下班；y y =0=0表示主要騎自行車表示主要騎自行車上下班；自變量上下班；自變量x1x1表示被調(diào)查者的年齡；表示被調(diào)查者的年齡；x2x2表表示被調(diào)查者的月收入；示被調(diào)查者的月收入；x3x3表示被調(diào)查者的性別表示被調(diào)查者的性別（x3=1x3=1為男性，為男性，x3=0 x3=0為女性）。為女性）。試建立試建立y y與自變量間的與自變量間的LogisticLogistic回歸回歸. .(e5-7-4-1.sav)(e5-7-4-1.sav)三、應(yīng)用舉例三、應(yīng)用舉例序號(hào)x1（年齡）x2（月收入：元）x3（性別）y118850002211200003238500142395001528120001631850007361500018421000019469500110481200001155180001125621000113581800011418850101520100010162512001017271300101828150010193095011203210001021331800102233100010233812001024411500102545180011264810001027