第5章相关与回归分析_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
第5章相关与回归分析
上传于||文档简介
&&第章​相​关​与​回​归​分​析
大小：669.00KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢下次自动登录
现在的位置:
& 综合 & 正文
使用SPSS进行多元回归分析
比用matlab简单。
多元回归分析
在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。可以建立因变量与各自变量j(j=1,2,3,…,n)之间的多元线性回归模型：
其中：0是回归常数；k(=1,2,3,…,n)是回归参数；是随机误差。
多元回归在病虫预报中的应用实例:
某地区病虫测报站用相关系数法选取了以下4个预报因子；1为最多连续10天诱蛾量(头)；2为4月上、中旬百束小谷草把累计落卵量(块)；3为4月中旬降水量(毫米)，4为4月中旬雨日(天)；预报一代粘虫幼虫发生量（头/m2）。分级别数值列成表2-1。
预报量：每平方米幼虫0~10头为1级，11~20头为2级，21~40头为3级，40头以上为4级。
预报因子：1诱蛾量0~300头为l级，301~600头为2级，601~1000头为3级，1000头以上为4级；2卵量0~150块为1级，15l~300块为2级，301~550块为3级，550块以上为4级；3降水量0~10.0毫米为1级，10.1~13.2毫米为2级，13.3~17.0毫米为3级，17.0毫米以上为4级；4雨日0~2天为1级，3~4天为2级，5天为3级，6天或6天以上为4级。
数据保存在“”文件中。
1）准备分析数据
在SPSS数据编辑窗口中，创建“年份”、“蛾量”、“卵量”、“降水量”、“雨日”和“幼虫密度”变量，并输入数据。再创建蛾量、卵量、降水量、雨日和幼虫密度的分级变量“x1”、“x2”、“x3”、“x4”和“y”，它们对应的分级数值可以在SPSS数据编辑窗口中通过计算产生。编辑后的数据显示如图2-1。
或者打开已存在的数据文件“”。
2）启动线性回归过程
单击SPSS主菜单的“Analyze”下的“Regression”中“Linear”项，将打开如图2-2所示的线性回归过程窗口。
图2-2 线性回归对话窗口
3) 设置分析变量
设置因变量：用鼠标选中左边变量列表中的“幼虫密度[y]”变量，然后点击“Dependent”栏左边的向右拉按钮，该变量就移到“Dependent”因变量显示栏里。
设置自变量：将左边变量列表中的“蛾量[x1]”、“卵量[x2]”、“降水量[x3]”、“雨日[x4]”变量，选移到“Independent(S)”自变量显示栏里。
设置控制变量: 本例子中不使用控制变量，所以不选择任何变量。
选择标签变量: 选择“年份”为标签变量。
选择加权变量: 本例子没有加权变量，因此不作任何设置。
4）回归方式
本例子中的4个预报因子变量是经过相关系数法选取出来的，在回归分析时不做筛选。因此在“Method”框中选中“Enter”选项，建立全回归模型。
5）设置输出统计量
单击“Statistics”按钮，将打开如图2-3所示的对话框。该对话框用于设置相关参数。其中各项的意义分别为：
图2-3 “Statistics”对话框
①“Regression Coefficients”回归系数选项：
“Estimates”输出回归系数和相关统计量。
“Confidence interval”回归系数的95%置信区间。
“Covariance
matrix”回归系数的方差-协方差矩阵。
本例子选择“Estimates”输出回归系数和相关统计量。
②“Residuals”残差选项：
“Durbin-Watson”Durbin-Watson检验。
“Casewise diagnostic”输出满足选择条件的观测量的相关信息。选择该项，下面两项处于可选状态：
“Outliers outside standard
deviations”选择标准化残差的绝对值大于输入值的观测量；
“All cases”选择所有观测量。
本例子都不选。
③ 其它输入选项
fit”输出相关系数、相关系数平方、调整系数、估计标准误、ANOVA表。
“R squared change”输出由于加入和剔除变量而引起的复相关系数平方的变化。
“Descriptives”输出变量矩阵、标准差和相关系数单侧显著性水平矩阵。
“Part and partial correlation”相关系数和偏相关系数。
“Collinearity diagnostics”显示单个变量和共线性分析的公差。
本例子选择“Model fit”项。
6）绘图选项
在主对话框单击“Plots”按钮，将打开如图2-4所示的对话框窗口。该对话框用于设置要绘制的图形的参数。图中的“X”和“Y”框用于选择X轴和Y轴相应的变量。
图2-4“Plots”绘图对话框窗口
左上框中各项的意义分别为：
“DEPENDNT”因变量。
“ZPRED”标准化预测值。
“ZRESID”标准化残差。
“DRESID”删除残差。
“ADJPRED”调节预测值。
“SRESID”学生氏化残差。
“SDRESID”学生氏化删除残差。
“Standardized Residual Plots”设置各变量的标准化残差图形输出。其中共包含两个选项：
“Histogram”用直方图显示标准化残差。
“Normal probability plots”比较标准化残差与正态残差的分布示意图。
“Produce all partial plot”偏残差图。对每一个自变量生成其残差对因变量残差的散点图。
本例子不作绘图，不选择。
7) 保存分析数据的选项
在主对话框里单击“Save”按钮，将打开如图2-5所示的对话框。
图2-5 “Save”对话框
①“Predicted Values”预测值栏选项：
Unstandardized
非标准化预测值。就会在当前数据文件中新添加一个以字符“PRE_”开头命名的变量，存放根据回
归模型拟合的预测值。
Standardized 标准化预测值。
Adjusted 调整后预测值。
S.E. of mean predictions 预测值的标准误。
本例选中“Unstandardized”非标准化预测值。
②“Distances”距离栏选项：
Mahalanobis:
Cook’s”: Cook距离。
Leverage values: 杠杆值。
③“Prediction Intervals”预测区间选项：
区间的中心位置。
Individual: 观测量上限和下限的预测区间。在当前数据文件中新添加一个以字符“LICI_”开头命名的变量，存放
预测区间下限值；以字符“UICI_”开头命名的变量，存放预测区间上限值。
Confidence Interval：置信度。
本例不选。
④“Save to New File”保存为新文件：
选中“Coefficient statistics”项将回归系数保存到指定的文件中。本例不选。
⑤ “Export model information to XML file” 导出统计过程中的回归模型信息到指定文件。本例不选。
⑥“Residuals” 保存残差选项：
“Unstandardized”非标准化残差。
“Standardized”标准化残差。
“Studentized”学生氏化残差。
“Deleted”删除残差。
“Studentized deleted”学生氏化删除残差。
本例不选。
⑦“Influence Statistics” 统计量的影响。
“DfBeta(s)”删除一个特定的观测值所引起的回归系数的变化。
“Standardized DfBeta(s)”标准化的DfBeta值。
“DiFit” 删除一个特定的观测值所引起的预测值的变化。
“Standardized DiFit”标准化的DiFit值。
“Covariance ratio”删除一个观测值后的协方差矩隈的行列式和带有全部观测值的协方差矩阵的行列式的比率。
本例子不保存任何分析变量，不选择。
8）其它选项
在主对话框里单击“Options”按钮，将打开如图2-6所示的对话框。
图2-6 “Options”设置对话框
①“Stepping Method Criteria”框用于进行逐步回归时内部数值的设定。其中各项为：
probability of F”如果一个变量的F值的概率小于所设置的进入值（Entry），那么这个变量将被选入回归方程
中；当变量的F值的概率大于设置的剔除值（Removal），则该变量将从回归方程中被剔除。由此可见，设置
“Use probability of F”时，应使进入值小于剔除值。
F value”如果一个变量的F值大于所设置的进入值（Entry），那么这个变量将被选入回归方程中；当变量的
F值小于设置的剔除值（Removal），则该变量将从回归方程中被剔除。同时，设置“Use F value”时，应使进
入值大于剔除值。
本例是全回归不设置。
②“Include constant in equation”选择此项表示在回归方程中有常数项。
本例选中“Include constant in equation”选项在回归方程中保留常数项。
③“Missing Values”框用于设置对缺失值的处理方法。其中各项为：
cases listwise”剔除所有含有缺失值的观测值。
“Exchude cases pairwise”仅剔除参与统计分析计算的变量中含有缺失值的观测量。
“Replace with mean”用变量的均值取代缺失值。
本例选中“Exclude cases listwise”。
9）提交执行
在主对话框里单击“OK”，提交执行，结果将显示在输出窗口中。主要结果见表2-2至表2-4。
10) 结果分析
表2-2 是回归模型统计量：R 是相关系数；R Square 相关系数的平方，又称判定系数，判定线性回归的拟合程度：用来说明用自变量解释因变量变异的程度（所占比例）；Adjusted R Square 调整后的判定系数；Std. Error of the Estimate 估计标准误差。
表2-3 回归模型的方差分析表，F值为10.930，显著性概率是0.001，表明回归极显著。
建立回归模型：
根据多元回归模型：
把表6-9中“非标准化回归系数”栏目中的“B”列系数代入上式得预报方程：
预测值的标准差可用剩余均方估计：
回归方程的显著性检验：
从表6-8方差分析表中得知：F统计量为10.93，系统自动检验的显著性水平为0.001。
F(0.05,4,11)值为3.36，F(0.01,4,11) 值为5.67，F(0.001,4,11) 值为10.35。因此回归方程相关非常显著。（F值可在Excel中用FINV(
)函数获得）。
需要作预报效果的验证时，在主对话框（图6-8）里单击“Save”按钮，在打开如图3-6所示对话框里，选中“Predicted Values”预测值选项栏中的“Unstandardized”非标准化预测值选项。这样在过程运算时，就会在当前文件中新添加一个“PRE_1”命名的变量，该变量存放根据回归模型拟合的预测值。
然后，在SPSS数据窗口计算“y”与“PRE_1”变量的差值(图2-7)，本例子把绝对差值大于0.8视为不符合，反之则符合。结果符合的年数为15年，1年不符合，历史符合率为93.75%。
多元回归分析法可综合多个预报因子的作用，作出预报，在统计预报中是一种应用较为普遍的方法。
在实际运用中，采取将预报因子和预报量按一定标准分为多级，用分级尺度代换较大的数字，更能揭示预报因子与预报量的关系，预报效果比采用数量值统计方法有明显的提高，在实际应用中具有一定的现实意义。
转自：.cn/s/blog_5e2e8aa70100lwe4.html
&&&&推荐文章:
【上篇】【下篇】苹果/安卓/wp
积分 170, 距离下一级还需 90 积分
权限: 自定义头衔
道具: 彩虹炫, 雷达卡, 热点灯, 雷鸣之声, 涂鸦板, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 雷鸣之声, 彩虹炫, 雷达卡, 涂鸦板, 热点灯
开心签到天数: 32 天连续签到: 19 天[LV.5]常住居民I
新手刚开始使用SPSS，比如因变量Y，问卷对应Y有5个问题，自变量X有8个问题，如果对X和Y进行回归分析，是先分别计算出X和Y的平均数在做回归吗？还是先做主成分分析。非常感谢！
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
还是有点不明白& && && && && && && && && && && && && && &&&& && && && && && && && & & &
& && && && && && && && && && && && && &
& && && && && && && && && &&&& && && && && && && && &
& && && && && && && && && && && && && && && && && &&&
& && && &&&& && && && && &&&& && &&&& && && &
& && && && && && && & & && && && && && && && && && & & && && && &
& && && && && && && && && && && && && && && && && && && && && && && && && && && &
如果Y是多分类有序变量，用有序logistic回归分析。如果为无序分类，则用多分类logistic 回归分析。
建议你去看SPSS相关教材中，有关logistic回归分析的内容。最好去下载张文彤教授的SPSS培训视频录像，他讲得最好。
高级班才有这个内容。本想直接送你，但无法上传这么大的附件。
本人觉得SPSS因子分析并不怎样好用！
gxnnhgm66 发表于
建议你去看SPSS相关教材中，有关logistic回归分析的内容。最好去下载张文彤教授的SPSS培训视频录像，他讲得 ...非常感谢！
wanderzhou 发表于
非常感谢！请教哪里有下？谢谢
zuobanbian007 发表于
请教哪里有下？谢谢书论坛里就有：
视频没有下。
论坛好贴推荐
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师&&&&SPSS多元回归分析实例
&SPSS多元回归分析实例
在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。可以建立因变量y与各自变量xj(j=1,2,3,…,n)之间的多元线性回归模型
若举报审核通过，可奖励20下载分
被举报人：
举报的资源分：
请选择类型
资源无法下载
资源无法使用
标题与实际内容不符
含有危害国家安全内容
含有反动色情等内容
含广告内容
版权问题，侵犯个人或公司的版权
*详细原因：
VIP下载&&免积分60元/年（1200次）
您可能还需要
Q.为什么我点的下载下不了，但积分却被扣了
A. 由于下载人数众多，下载服务器做了并发的限制。若发现下载不了，请稍后再试，多次下载是不会重复扣分的。
Q.我的积分不多了，如何获取积分？
A. 获得积分，详细见。
完成任务获取积分。
论坛可用分兑换下载积分。
第一次绑定手机，将获得5个C币，C币可。
关注并绑定CSDNID，送10个下载分
下载资源意味着您已经同意遵守以下协议
资源的所有权益归上传用户所有
未经权益所有人同意，不得将资源中的内容挪作商业或盈利用途
CSDN下载频道仅提供交流平台，并不能对任何下载资源负责
下载资源中如有侵权或不适当内容，
本站不保证本站提供的资源的准确性，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。
课程资源下载排行
您当前C币：0&&&可兑换 0 下载积分
兑换下载分:&
消耗C币:0&
立即兑换&&
兑换成功你当前的下载分为 。前去下载资源
你下载资源过于频繁，请输入验证码
如何快速获得积分？
你已经下载过该资源，再次下载不需要扣除积分
SPSS多元回归分析实例
所需积分：1
剩余积分：0
扫描微信二维码精彩活动、课程更新抢先知
VIP会员，免积分下载
会员到期时间：日
剩余下载次数：1000
SPSS多元回归分析实例
剩余次数：&&&&有效期截止到：
你还不是VIP会员VIP会员享免积分 . 专属通道极速下载
VIP下载次数已满VIP会员享免积分 . 专属通道极速下载，请继续开通VIP会员
你的VIP会员已过期VIP会员享免积分 . 专属通道极速下载，请继续开通VIP会员