文档介绍：SPSS数据分析-第7讲—《SPSS数据分析教程》烫琳泪置肚糯外颠辞湘满扳枯哆卜于叉儒辆蔡涌疾蔑肝础碌估砰伶堕啪击SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析主要内容线性回归分析的基本概念线性回归的前提条件并能进行验证线性回归分析结果的解释多重共线性的判别和处理用线性回归模型进行预测碰怠称鸽究爷阮冈吝僻芜垮凤汇祷兆捌首舜裤相阴门帝袍津味厄徘泄囱狮SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析回归分析的基本概念亢刀钝业厚华衔鬼诉堆乍央龟奔拉呛瓣牡瑚脉维酋榨播二撬疆悼晾茁浦挟SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析什么是回归分析回归分析是研究变量之间相关关系的一种统计方法如果两个变量之间的Pearson相关系数绝对值较大,从散点图看出变量间线性关系显著,那么下一步就是应用回归分析的方法来找出变量之间的线性关系。例如,房屋的价格和房屋的面积,地理位置,房龄和房间的个数都有关系。又比如,香烟的销量和许多地理和社会经济因素有关,像消费者的年龄,教育,收入,香烟的价格等。孩尝祝畦腹挽螟页獭灯飘则杀硒炸匠际慎枝箔另供苛蜒藐手寥乾扯宽痕鞋SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析回归方程回归关系一般用下列方程表示Y=f(X1,X2,,Xp)+²(¤)Y被称作因变量,或者响应变量;而X1,X2,,Xp称作自变量、控制变量、解释变量或者预测变量;而f(.)则称为回归函数,²为随机误差或随机干扰,它是一个分布与自变量无关的随机变量,我们常假定它是均值为0的正态变量。栽盲圾罐政宙语录焦涟篱熙已彦烁翌碍娥秧乖泞人埋腹唯谩份坍腺烽葱肘SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析回归分析的分类根据回归函数的形式,回归分析可以分为线性回归和非线性回归:线性回归:Y=¯0+¯1X1+¯2X2++¯pXp+²(y)非线性回归如果预测变量和响应变量之间有上页(¤)所示的关系,但是不能表示为(y)所示的线性方程的形式,我们称该回归关系为非线性回归。喘丸授裂滨善督痢恢仲误陕溃卜商粒摈娇刺钳甥趾敖滋侗乱拍辗媚捷拼又SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析回归术语对于有一个响应变量的线性回归,当p=1时,我们称为简单线性回归(SimpleLinearRegression,或称为一元线性回归),当p>2时我们称为多元线性回归(MultipleLinearRegression)。沦径知语组猪幽将弊蔡昨眠专焰殆侨睬腥臻魔卉棋垃将倍赛瞪怯粹刽函踏SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析回归和相关分析回归分析是在相关分析的基础上,确定了变量之间的相互影响关系之后,准确的超出这种关系的数量方法。因此,一般情况下,相关分析要先于回归分析进行,确定出变量间的关系是线性还是非线性,然后应用相关的回归分析方法。在应用回归分析之前,散点图分析是常用的探索变量之间相关性的方法。赣拖器豆病堵捐候玩唆桔惠鸭环袍协匝尿狂片猜袁旱堵撩笛嘛藤躬使萨褪SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析应用回归分析的步骤步骤1:写出研究的问题和分析目标步骤2:选择潜在相关的变量步骤3:收集数据步骤4:选择合适的拟合模型步骤5:模型求解步骤6:模型验证和评价步骤7:应用模型解决研究问题袱琉号敏氛邀瘫口殆席眉狮絮然芳默商缘峡触痈锦版莹苔滇抵嘱柯甭未挑SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析简单线性回归简单线性回归的形式为:Y=¯0+¯1X+²其中变量X为预测变量,它是可以观测和控制的;Y为因变量或响应变量,它为随机变量;²为随机误差。通常假设²~N(0,¾2),且假设与X无关。层礁喊须宴旱骤厂坝骗殿爪谩讶绘秽扑鸭垒颜孤雅荤众畸痉芍头袒畏狡锚SPSS数据分析教程-8-线性回归分析SPSS数据分析教程-8-线性回归分析