回归分析SPSS操作.ppt

2.1统计学上的定义和计算公式研究问题合成纤维的强度与其拉伸倍数有关，测得试验数据如表9-1所示。求合成纤维的强度与拉伸倍数之间是否存在显著的线性相关关系。表1强度与拉伸倍数的试验数据实现步骤图2“LinearRegression”对话框图3“LinearRegression:statistics”对话框图4“LinearRegression：Plots”对话框对应x值的残差图xx图5“LinearRegression：Save”对话框（1）输出的结果文件中的第一部分：1）决定系数R2它表示在因变量y的总变异中可由回归方程所解释部分的比例。0<R2≤1,越接近于1,说明回归方程效果越好。（2）第二部分异常值分析第i个观察值的学生化残差（3）第三部分数据窗口的存储1.7利用回归方程进行估计和预测可信区间与预测区间示意图3.1统计学上的定义研究者往往是根据自己的经验或借鉴他人的研究结果选定若干个自变量，这些自变量对因变量的影响作用是否都有统计学意义还有待于考察。在建立回归方程的过程中有必要考虑对自变量进行筛选，挑选出若干个与因变量作用较大的变量建立回归方程。剔除那些对因变量没有影响的变量，从而建立一个较理想和稳定的回归方程。逐步回归的思想：采用F作为统计量。SSE(H0)-SSE(H1)F＝SSE(H1)/(n-p-2)其中SSE(H0)表示用p个变量回归的残差平方和SSE(H1)表示用p+1个变量回归的残差平方和。若F≥F（界值），则拒绝H0，可决定增多相应的自变量;否则，不拒绝H0，可决定不增加相应的自变量。研究问题用多元回归分析来分析36个员工多个心理变量值（z1～z5）对员工满意度my的预测效果，测得试验数据如表9-2所示。表9-2员工多个心理变量值和员工满意度数据z1实现步骤图3“LinearRegression：Statistics”对话框当自变量之间存在高度相关性，将引起回归方程估计结果不稳定，参数（回归系数）估计的标准误大大增加，称为共线性。共线性诊断：1）条件数(ConditionIndex):k<10（轻度）10<k<30(中度）k>30(严重）2）方差扩大因子(VIF):>5或10，严重3）Tolence（容忍度）:<.1严重图6“LinearRegression：Options”对话框（1）输出结果文件中的第一部分：（1）输出结果文件中的第一部分：2）输出的结果文件中第二部分：非标准化回归方程：Y=7.337+.276×Z1+eY=14.129+.227×Z1-3.301×Z4+eY=4.335+.268×Z1-6.286×Z4+10.188×Z5+e