spss回归分析

null 第9章 回 归 分 析 第9章 回 归 分 析 Regression返回目 录目 录 线 性 回 归 曲 线 估 计 二项逻辑斯谛回归 多分变量的逻辑斯谛回归 概率单位回归 非线性回归 加 权 回 归 两段最小二乘法 最优尺度回归 习 题 快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题 参考答案返回线 性 回 归线 性 回 归 返回一元线性回归有关公式一元线性回归有关公式 对斜率检验的假设是，总体回归系数b=0。检验该假设的t值计算公式是：  对截距检验的假设是，总体回归方程截距a=0。检验该假设的t值计算公式是： 返回一元线性回归有关公式一元线性回归有关公式 R2判定系数 F检验 返回一元线性回归各种残差与预测值关系示意图一元线性回归各种残差与预测值关系示意图 (a) (b) (c) (d)(e) (f) (g) 返回多元线性回归的概念多元线性回归的概念多元回归 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 的模型 校正R2判定系数的公式 其中k为自变量的个数，n为观测量数目 偏回归系数和常数项的t检验的公式 返回回归菜单回归菜单 返回二分变量logistic回归序回归概率单位回归回归线性回归主对话框线性回归主对话框 返回因变量自变量设定运算规则对话框设定运算规则对话框 返回输出统计量对话框 STATISTICS输出统计量对话框 STATISTICS 返回有关回归系数的选项有关残差分析的选项与模型拟合及其拟合效果有关的模型选择图形对话框 PLOTS选择图形对话框 PLOTS 返回因变量 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化预测值标准化残差剔除残差修正后预测值学生化残差学生化剔除残差标准化残差图自变量残差相对于因变量残差的散点图保存变量对话框SAVE保存变量对话框SAVE选择对话框OPTION选择对话框OPTION 返回设置变量引入模型或从模型提出的判据以F检验的概率值作为判据 Sig值<=Entry值时，该变量被引入回归方程；Sig>=removal值时，将该变量从方程中剔除采用F值作为变量进入模型或从模型剔除的判据缺失值处理简单散点图对话框图简单散点图对话框图 返回散点图示例散点图示例初始工资与当前工资散点图 返回回归模型的建立（示例输出1）回归模型的建立（示例输出1）引入或从模型中剔除的变量 返回回归模型的建立（示例输出2）回归模型的建立（示例输出2） 返回拟合过程小结回归模型的建立（示例输出3）回归模型的建立（示例输出3） 返回方差分析回归模型的建立（示例输出4）回归模型的建立（示例输出4） 返回建立模型过程中的各模型回归系数及检验结果回归模型的建立（示例输出5）回归模型的建立（示例输出5） 返回当前工资变量的异常值表回归模型的建立（示例输出6）回归模型的建立（示例输出6） 返回残差分析的统计量回归模型的建立（示例输出7）回归模型的建立（示例输出7） 返回判定影响点的统计量回归模型的建立（示例输出8）回归模型的建立（示例输出8） 返回标准化回归系数的变化量回归模型的建立（示例输出9）回归模型的建立（示例输出9） 返回共线性诊断曲 线 估 计曲 线 估 计 返回曲线估计对话框曲线估计对话框 返回保存对话框保存对话框 返回曲线回归实例散点图曲线回归实例散点图 返回每加仑里程与车重散点图曲线回归实例输出1曲线回归实例输出1Quadratic模型拟合 系数及其检验结果模型的方差分析结果拟合优度的检验二次模型分析结果 返回曲线回归实例输出2曲线回归实例输出2 返回三次模型分析结果CUBIC模型拟合 系数及其检验结果模型的方差分析结果拟合优度的检验曲线回归实例输出3曲线回归实例输出3 返回 指数模型分析结果Compound模型拟合 系数及其检验结果模型的方差分析结果拟合优度的检验二项逻辑斯谛回归 二项逻辑斯谛回归 返回有关二项逻辑斯谛回归的公式有关二项逻辑斯谛回归的公式一个自变量的回归模型 其中：b1和b0为自变量x的系数和常数项，e为自然数 Logistic回归曲线 返回null 返回包含一个以上自变量的模型 其中：z＝b0b1x1b2x2…bpxp p为自变量的数量 编码方法编码方法 返回指示变量编码方法背离编码方法理解Logistic回归系数理解Logistic回归系数把Logistic方程写作几率的对数，命名为Logit 返回二项逻辑斯谛过程主对话框二项逻辑斯谛过程主对话框 返回设定选择规则对话框设定选择规则对话框 返回定义分类变量对话框定义分类变量对话框 返回保存新变量对话框保存新变量对话框 返回选择对话框选择对话框 返回 返回因变量代码表二项Logestic回归实例输出1分类变量代码表二项Logestic回归实例输出2二项Logestic回归实例输出2 返回因变量分类表起始模型统计量表二项Logestic回归实例输出3二项Logestic回归实例输出3 返回起始模型外的变量二项Logestic回归实例输出4二项Logestic回归实例输出4 返回起始模型卡方检验表最终模型的拟合优度检验二项Logestic回归实例输出5二项Logestic回归实例输出5 返回Hosmer-Lemeshow检验表 Hosmer-Lemeshow检验的列联表 二项Logestic回归实例输出6二项Logestic回归实例输出6 返回最终观测量分类表 二项Logestic回归实例输出7二项Logestic回归实例输出7 返回 最终模型统计量 二项Logestic回归实例输出8二项Logestic回归实例输出8 返回依据预测概率的观测量分组表多分变量的逻辑斯谛回归多分变量的逻辑斯谛回归 返回有关公式有关公式多分变量逻辑斯谛回归 模型：其中b0为常数项，b1到bp为Logistic模型的回归系数。x1到xp为自变量 如果因变量具有j类可能性，第i类的模型为： 返回有关公式有关公式Logistic回归方程另一种形式： P=exp(y)/[1+exp(y)]其中y=a+∑bixi 或y=ln[P/(1-P)]，通过变换可以得出P与变量xi之间的数学表达式 返回有关公式有关公式Pearson皮尔逊卡方统计量McFadden统计量： 返回有关公式有关公式观测量－控制量的“配对”研究 对于包含K对观测量和控制量的数据来说，“经历”某种事件的Logit模型可以写成式中αk为根据配对变量值得到的第k对变量的“风险”， x1到xp为未配对自变量的值， bi为第i个配对自变量的逻辑斯谛回归系数， Pi是事件的几率。 返回观测量－控制量的“配对”研究 观测量－控制量的“配对”研究 返回配对变量之间的差异种族的编码方式多分变量逻辑斯谛回归主对话框多分变量逻辑斯谛回归主对话框 返回Reference Category对话框Reference Category对话框 返回SAVE对话框SAVE对话框 返回收敛判据设置对话框收敛判据设置对话框 返回模型对话框模型对话框 返回统计量选择对话框 统计量选择对话框 返回多分变量Logistic回归实例输出1多分变量Logistic回归实例输出1 返回模型常用统计量多分变量Logistic回归实例输出2多分变量Logistic回归实例输出2模型参数估计及检验拟合信息 返回多分变量Logistic回归实例输出3多分变量Logistic回归实例输出3 返回增加变量educ作为协变量（Covariates）后的参数估计多分变量Logistic回归实例输出4多分变量Logistic回归实例输出4 返回加入edu变量后的统计量表多分变量Logistic回归实例输出5多分变量Logistic回归实例输出5 返回模型的拟合信息多分变量Logistic回归实例输出6多分变量Logistic回归实例输出6 返回多分变量Logistic回归实例输出7多分变量Logistic回归实例输出7 返回选举人投给不同候选人选票的情况：实际与预测比较多分变量Logistic回归实例输出8多分变量Logistic回归实例输出8 返回概 率 单 位 回 归概 率 单 位 回 归Probit 返回概率单位回归有关公式概率单位回归有关公式 返回概率分布表达式为 Pi＝f（α＋βxi）＝f（Zi）概率单位回归分析只考虑诸多累计概率函数中的两种： 标准正态累计概率函数： 式中Pi代表事件发生的概率，s是零均值单位方差的正态分布的随机变量 Logit概率函数： 概率单位对话框概率单位对话框 返回Option对话框Option对话框 返回概率单位回归实例输出1概率单位回归实例输出1 返回模型参数及检验统计量表概率单位回归实例输出2概率单位回归实例输出2 返回deguel各剂量致死率与95%的置信区间概率单位回归实例输出3概率单位回归实例输出3 返回观测与期望频数表概率单位回归实例输出4概率单位回归实例输出4 返回各组半数效应比较值概率单位回归实例输出6概率单位回归实例输出6 返回散点图非 线 性 回 归非 线 性 回 归 返回有关公式有关公式本质线性模型，例如： 这种看起来非线性，但可以转换为线性的模型，称之为本质线性模型。只要两边取自然对数，就可以写为ln(y)＝b0+b1x1+b2 x 2+e。本质非线性模型，例如： 不能转换为线性模型，称之为本质非线性模型。 返回非线性回归主对话框非线性回归主对话框 返回参数设置对话框参数设置对话框 返回参数约束对话框参数约束对话框 返回损失函数对话框损失函数对话框 返回选择对话框选择对话框 返回保存新变量对话框保存新变量对话框 返回非线性回归实例输出1非线性回归实例输出1 返回每一步迭代的残差平方和和参数值null得出最终的回归方程为 返回非线性回归实例输出2非线性回归实例输出2 返回非线性模型统计量摘要非线性回归实例输出3非线性回归实例输出3 返回观测量与预测值的散点图非线性回归实例输出4非线性回归实例输出4 返回残差对观测年度散点图非线性回归实例输出6非线性回归实例输出6 返回参数估计的相关阵加 权 回 归加 权 回 归 返回权重估计对话框图权重估计对话框图 返回权重估计选择项对话框权重估计选择项对话框 返回加权回归实例输出1加权回归实例输出1 返回权值列表加权回归实例输出2加权回归实例输出2 返回回归效果的统计量加权回归实例输出3加权回归实例输出3 返回方差分析表模型参数及各种统计量所得方程式的最后结果为： y = -0.282858+1.077073x 加权回归实例输出4加权回归实例输出4 返回转换后的预测值对转换后的残差值图形两 段 最 小 二 乘 法两 段 最 小 二 乘 法 返回二段最小平方法对话框二段最小平方法对话框 返回选择对话框选择对话框 返回两段最小二乘法实例输出1两段最小二乘法实例输出1 返回回归分析的统计量两段最小二乘法实例输出2两段最小二乘法实例输出2 返回方差分析两段最小二乘法实例输出3两段最小二乘法实例输出3 返回在方程式中的参数两段最小二乘法实例输出4两段最小二乘法实例输出4 返回变量间的相关系数矩阵最 优 尺 度 回 归 最 优 尺 度 回 归 返回最优尺度回归主对话框最优尺度回归主对话框 返回定义范围和尺度对话框定义范围和尺度对话框 返回Discretization对话框Discretization对话框 返回Missing value对话框Missing value对话框 返回Option对话框Option对话框 返回Output对话框Output对话框 返回Save对话框Save对话框 返回Plots对话框Plots对话框 返回最优尺度回归实例输出1最优尺度回归实例输出1 返回数据情况最优尺度回归实例输出2最优尺度回归实例输出2 返回描述统计量最优尺度回归实例输出3最优尺度回归实例输出3 返回最优尺度回归实例输出4最优尺度回归实例输出4 返回回归模型方差分析表最优尺度回归实例输出5最优尺度回归实例输出5 返回变量系数分析表最优尺度回归实例输出6最优尺度回归实例输出6 返回Happy变量的转换图习题9习题91．数据spss11-1101是某企业1987～1998年的经济效益、科研人员、科研经费的统计数据。假定1999年该企业科研人员61名、科研经费40万元，试预测1999年该企业的经济效益。 2. 某商场1989～1998年的商品流通费用率与商品零售额资料如数据spss11-1102所示。若1999年该商场商品零售额36.33亿元，试预测1999年该商场商品流通费用额。 3. 某地1994年农业方面作出了较大的改革，其数据资料为spss11-1103，试使用虚拟变量的回归方程，并对农民的人均收入变化作出回归分析。 4. R.Norell进行了一项利用电流刺激农场动物的实验，其目的是为了了解高压电线对牲畜的影响。以便在对新农场选址时，对高压线的辐射电流进行测试，如果超过一成的牲畜对高压电流有反应时就需要重新选址。 返回第1题第1题 数据spss09-10是某企业1987～1998年的经济效益、科研人员、科研经费的统计数据。假定1999年该企业科研人员61名、科研经费40万元，试预测1999年该企业的经济效益。 返回第1题 操作步骤第1题 操作步骤1.打开数据spss09-10，按照Analyze→Regression→Linear顺序，将变量ecobeni（经济效益）选入Dependent框中作为因变量，将变量per（科研人员数量）、fee（科研经费）选入Independent(s)框中作为自变量。 2. 打开Plots对话框，将变量ZPRED与ZRESID分别选入X、Y框中用来检验残差的分布情况，打开statistics对话框选择Estimates、Model fit、Durbin-Watson统计量；其它选择项为SPSS默认选择项。 3. 单击OK按钮提交运算。 返回第1题参考答案第1题参考答案 R2检验：得出的R2为0.999，调整后的RSquare为0.998，均很接近1，说明x1、x2与y的关系很密切。 DW检验：对于给定的显著性水平为a=0.05，解释变量个数 k=3、样本个数 n=12，查DW检验表。因DW检验表中样本容量n最小为15，故取临界值 d1=0.82，du=1.75，于是有DW统计值在d1=0.82＜DW=2.62152＜4－du =2.25之间。所以该回归模型不存在自相关。 返回第1题参考答案（1）第1题参考答案（1） F检验：在方差分析中得出的F检验值为1905.789远远大于 F0.05(2,12-2-1) =4.26，说明x1、x2与y之间的回归效果非常显著。 返回第1题参考答案（续1）第1题参考答案（续1） t检验：表中，给出了回归系数和标准化回归系数的估计值及其标准误差、 检验值。由于各回归系数的 检验值。Sig=0.000，小于0.05故拒绝系数为0的原假设 。即可以断言：科研人员与科研经费对该企业的经济效益有显著影响。 返回第1题参考答案（续2）第1题参考答案（续2） 从下图经济效益预测值与其学生化残差散点图中可以看到绝大部分观测量随机地落在垂直围绕2的范围内，预测值与学生化残差值之间没有明显的关系，所以回归方程应该满足线性与方差齐性的假设且拟合效果较好。 综合上述计算结果和检验结果，可得如下的回归模型： y=116.81+4.182x1+26.02x2 1999年该企业科研人员61名、科研经费40万元，其经济效益为116.81＋4.182×61＋26.02×40＝1412.7万元。 返回第2题第2题 某商场1989～1998年的商品流通费用率与商品零售额资料如data09-11所示。若1999年该商场商品零售额36.33亿元，试预测1999年该商场商品流通费用额。 返回第2题操作步骤--1第2题操作步骤--1打开data09-11数据文件，按照Graphs→Scatter→Simple的顺序打开Scatter对话框，将变量ratio选入Y轴（Y-axis），将变量total选入X轴（X-axis）。 单击ok按钮提交作图。 从图中可以看出，随着商品零售额的增加，商品流通费用率有不断下降的趋势，呈现曲线形状。建立曲线回归模型。 返回第2题操作步骤--2第2题操作步骤--2按照按Analyze→regression→Curve Estimation顺序打开Curve Estimation对话框，将变量total选入indenpent框中作为自变量，将变量ratio选入Dependent框中作为因变量；在models选择项中选择Inverse、Quadratic、Cubic模型以便进行对比；选择Plot models、Include constant in equation、Display ANOVA table选择项； 单击Ok按钮提交运算。 返回第2题输出结果及分析1第2题输出结果及分析1 返回倒数模型分析结果第2题输出结果及分析2第2题输出结果及分析2二次模型分析结果第2题输出结果及分析3第2题输出结果及分析3三次模型分析结果第2题输出结果及分析4第2题输出结果及分析4各种模型曲线。 返回比较三个模型的R2值见下各表。CUB模型的R2=0.991最大， INV模型次之R2=0.971，QUA模型的R2=0.953最小。由此可以初步判断，拟合最好的是CUB模型。第2题结论第2题结论 由CUB模型Y=b0+b1t+b2t2+b3t3得出方程式为： ratio＝15.86-1.34tatol+0.05tatol2-0.0007tatol3 初步计算后发现其ratio值为负值，与实际情况不符，选择Inverse.模型：Y=b0+(b1/t)，得到Y=2.57+42.76/tatol。将1999年该商场商品零售额36.33亿元代入模型得出ratio＝2.57＋42.76/36.33=3.75%，由 此可以得出1999年该商场商品流通费用总额预测值为1.36万元（36.33×3.75%）。 返回第3题参考答案第3题参考答案 R.Norell进行了一项利用电流刺激农场动物（实验对象为牛）的实验，其目的是为了了解高压电线对牲畜的影响。建立模型，在对新农场选址时，对高压线的辐射电流进行测试，如果超过一成的牲畜对高压电流有反应时就需要重新选址。 Probit－data数据中变量“current”为刺激电流、变量“experiment”为总的实验次数、变量“anwser”为对电流做出反应的响应次数。 返回第3题操作步骤第3题操作步骤(1) 读取数据文件spss09-12。 (2) 按Analyze→Regression→Probit顺序打开Probit对话框。 (3) 选择变量“answer”作为响应变量送入Response Frequency框中；选择变量“experiment”作为总观测变量送入Total observed框中。 (4) 选择变量“current”变量送入Covariate(s)框中。 (6) 在transform框中选择Log Base 10选项，在Option对话框选择Parallelism test，其他参数选项均为默认值。 (7) 单击OK按钮进行统计分析。 返回第3题输出及结果分析1第3题输出及结果分析11. 根据上表得出建立的模型为Probit(p)=1.38+3.77(Log10(current)) 2.皮尔逊拟合优度的卡方检验显著水平值(0.122)大于0.05，所以可以判断模型对数据的拟合优度是满意的 。 返回第3题结论第3题结论从上表中可以发现电流超过1.05毫安时，就需要进行新的农场选址。 返回真实的数据 和 正确的方法真实的数据 和 正确的方法是 预测的基本条件 返回返回