spss回归分析课件.ppt

;在 SPSS 中 , 实现回归分析的功能在 ：Analyze→Regression Regression 命令菜单有如下九个过程。 ① Linear: 线性回归分析 ; ② Curve Estimation: 曲线估计分析 ; ③ Binary logistic : 二维逻辑分析 ; ④ Multinormal logistic 多维逻辑分析 ; ⑤ Ordinal 顺序分析 ; ⑥ Probit 概率分析 ; ⑦ Nonlinear: 非线性回归分析 ; ⑧Weight Estimation 加权估计分析 ; ⑨ 2-Stage Least Squares : 两阶最小二乘分析。;9.1 Linear 线性回归分析;【设置界面】;【statistics按钮】;【plots按钮】通过图形用于对残差序列进行分析;【结果形式】;模型中常数项与回归系数的检验 回归方程为time=-1.955+3.457diam;【实例】为研究某公司职工当前工资水平〔salary〕，收集了影响因素6个，即开始工资〔salbegin $〕、受教育时间〔educ〕、来公司工作时间〔jobtime〕、工种〔jobcat〕、来前工作经验〔prevexp〕及是否少数民族〔minority〕，试用多元线性回归对该公司当前工资水平建立恰当回归模型。 【数据准备】见下页;6个影响因素变量;【statistics按钮】;【Save按钮】;【结果形式】;复相关系数，随自变量的参加而增大，较大，线性相关高;随自变量的参加,线性模型都有显著效果;随自变量的参加，因变量与自变量都显著线性相关; 可见，第5个回归方程为 salary=-15038.574+1.365salbegin+5859.585jobcat-19.553prevexp+154.698jobtime+539.642educ 复相关系数R=0.917，可决系数R2=0.84，经检验，回归模型、回归系数及D-W检验都有显著统计学意义。 对工资水平影响较大的因素依次为 开始工资、工种、来前工作经验、来公司工作时间、受教育时间。;9.2 Curve Estimation: 曲线估计分析 ;Curve Estimation中提供了11种本质线性模型：;【实例】某产品零售商产品的广告投入和销售额的数据，试找出适当的回归方程。;设置散点标识，颜色; 可见，不是非常明确，可以近似拟合直线、二次曲线及三次曲线。 【注意】假设不能明确判定函数类型时，可选几种可能曲线，再利用SPSS的结果分析、判定。;【设置界面】;【结果形式】;拟合曲线：;9.3 Nonlinear: 非线性回归分析 ; Nonlinear中提供了19种非本质线性模型：;【设置界面】;【parameter按钮】;设置参数约束条件;【结果形式】 迭代过程表;参数估计表;参数估计相关系数表 ;在 SPSS 中 , 实现回归分析的功能在 ：Analyze→Regression Regression 命令菜单有如下九个过程。 ① Linear: 线性回归分析 ; ② Curve Estimation: 曲线估计分析 ; ③ Binary logistic : 二维逻辑分析 ; ④ Multinormal logistic 多维逻辑分析 ; ⑤ Ordinal 顺序分析 ; ⑥ Probit 概率分析 ; ⑦ Nonlinear: 非线性回归分析 ; ⑧Weight Estimation 加权估计分析 ; ⑨ 2-Stage Least Squares : 两阶最小二乘分析。;9.1 Linear 线性回归分析;【设置界面】;【statistics按钮】;【plots按钮】通过图形用于对残差序列进行分析;【结果形式】;模型中常数项与回归系数的检验 回归方程为time=-1.955+3.457diam;【实例】为研究某公司职工当前工资水平〔salary〕，收集了影响因素6个，即开始工资〔salbegin $〕、受教育时间〔educ〕、来公司工作时间〔jobtime〕、工种〔jobcat〕、来前工作经验〔prevexp〕及是否少数民族〔minority〕，试用多元线性回归对该公司当前工资水平建立恰当回归模型。 【数据准备】见下页;6个影响因素变量;【statistics按钮】;【Save按钮】;【结果形式】;复相关系数，随自变量的参加而增大，较大，线性相关高;随自变量的参加,线性模型都有显著效果;随自变量的参加，因变量与自变量都显著线性相关; 可见，第5个回归方程为 salary=-15038.574+1.