SPSS线性回归分析.ppt

一、线性回归分析的基本原理（一）相关与回归的关系相关类型讨论：（二）回归分析的含义与类型一元线性回归方程求解二元线性回归方程（三）“消减误差比例”思想——用“已知”来估计“未知”、减少犯错概率消减误差比例表达式：消减误差比例（PRE的取值及其意义）如何判定线性拟合（fitness）调整的R2系数：（四）多元线性回归分析的逻辑一元线性回归方程检验二元线性回归方程检验三元线性回归方程检验二、线性回归分析操作步骤与说明.....三、一元线性回归分析散点图回归分析操作步骤：.输出结果解释（共四个表格）2、判定系数（R2）表：3、回归系数显著检验表：4、回归方程表：四、多元线性回归分析（二元）.1、回归说明表：2、判定系数（R2）表：3、回归系数显著检验表：4、回归方程表：四、多元线性回归分析（三元）..1、回归说明表：2、判定系数（R2）表：3、回归方程显著检验表：4、回归方程表：四、多元线性回归分析（四元）1、回归说明表2、判定系数（R2）表：3、回归方程显著检验表：4、回归方程表：五、多元共线性的含义及其后果2、不完全共线性与高度共线性及其后果当存在严重的多重共线性时，运用最小二乘法来求解方程系数，尽管在数学上仍然是最佳无偏估计，但会导致回归系数估值的标准误增大，影响显著性检验（显著性检验的t值变得很小）和回归系数的置信区间。严重共线性“症候”：六、判断高度共线性的指标方法七、高度共线性的解决思路八、多元线性回归方法1、强制回归法（Enter）2、向后回归法（Backward）Backward....3、向前回归法（Forward）注意：Forward..4、逐步回归法（Stepwise）第二步在剩余下k1－1个自变量中，一个一个地引入到模型1中，建立k1－1个回归模型，把k1－1个自变量中那个p值最小且有统计学意义的自变量建立的模型输出出来，记做模型2，此时在模型2中考察模型1里选出的自变量是否还具有统计学意义，如果没有，则运算到此终止，最终只输出模型1；
如果还有统计学意义，则把在第二步中没有统计学意义的自变量删除，把在第二步还有统计学意义的自变量逐一进入模型2中，把其中p值最小且有统计学意义的自变量建立的模型输出出来，记做模型3，此时在模型3中考察模型2里的自变量是否还具有统计学意义，如果没有，则运算到此终止，最终只输出模型1、模型2；
如果还有统计学意义，按照上述原则，继续进行下去，直至模型外的自变量均无统计学意义而同时模型内的自变量都具有统计学意义为止，输出前面每步中的模型。Stepwise..5、强制删除法（Remove）Remove..此课件下载可自行编辑修改，供参考！
感谢您的支持，我们努力做得更好！