




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、回歸分析基本分析:將畢業(yè)生人數(shù)移入因變量,其他解釋變量移入自變量。在統(tǒng)計量中選擇估計和模型擬合度, 得到如圖鋼生回歸虛序(2)輸入/移去的變量模型輸入的變屋移去的變雖方法1教職工總數(shù)(萬 人),專利申請授 權(quán)數(shù)(件),研究 與試驗發(fā)展機構(gòu) 數(shù)(個),普通高 校數(shù)(所),發(fā)表 科技論文數(shù)呈 (篇),在校學(xué)生 數(shù)(萬人)輸入a.已輸入所有請求的變雖。模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計的誤差1.999.998997a.預(yù)測變雖:(常呈).教職工總數(shù)(萬人).專利申請授權(quán)數(shù)(件) 研究與試驗發(fā)展機構(gòu)數(shù)(個),普通高校數(shù)(所),發(fā)表科技論文數(shù) 雖(篇)在校學(xué)生數(shù)(萬人)。注解:模型的擬合優(yōu)度檢驗:第二列
2、:兩變量(被解釋變量和解釋變量)的復(fù)相關(guān)系數(shù)2。第三列:被解釋向量(畢業(yè)人數(shù))和解釋向量的判定系數(shù)R?二。第四列:被解釋向量(畢業(yè)人數(shù))和解釋向量的調(diào)整判定系數(shù)以二。在多個 解釋變量的時候,需要參考調(diào)整的判定系數(shù),越接近1,說明回歸方程對樣本數(shù) 據(jù)的擬合優(yōu)度越高,被解釋向量可以被模型解釋的部分越多。第五列:回歸方程的估計標(biāo)準(zhǔn)誤差=Anovab模型平方和df均方FSig.1回歸6oo(r殘差7總計13a.預(yù)測變呈:(常呈).教職工總數(shù)(萬人).專利申請授權(quán)數(shù)(件)研究與試驗發(fā)展機構(gòu) 數(shù)(個).普通高校數(shù)(所),發(fā)表科技論文數(shù)雖(篇),在校學(xué)生數(shù)(萬人)。b因變呈:畢業(yè)生數(shù)(萬人)回歸方程的顯著性
3、檢驗-回歸分析的方差分析表F檢驗統(tǒng)計量的值二,對應(yīng)的概率p值二,小于顯著性水平,應(yīng)拒絕回歸方程顯著性 檢驗原假設(shè)(回歸系數(shù)與0不存在顯著性差異),認(rèn)為:回歸系數(shù)不為0,被解釋 變量(畢業(yè)生人數(shù))和解釋變量的線性關(guān)系顯著,可以建立線性模型。模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn)誤差試用版1(常雖).141普通高校數(shù)(所).032.047.068.683.516研究與試驗發(fā)展機構(gòu)數(shù)(個).009.008.142.313發(fā)表科技論文數(shù)雖(篇).001.000.632.007專利申請授權(quán)數(shù)(件).000.000.189在校學(xué)生數(shù)(萬人).301.749教職工總數(shù)(萬人).556.693.511a.因
4、變雖:畢業(yè)生數(shù)(萬人)注解:回歸系數(shù)的顯著性檢驗以及回歸方程的偏回歸系數(shù)和常數(shù)項的估計值 第二列:常數(shù)項估計值二;其余是偏回歸系數(shù)估計值。第三列:偏回歸系數(shù)的標(biāo)準(zhǔn)誤差。第四列:標(biāo)準(zhǔn)化偏回歸系數(shù)。第五列:偏回歸系數(shù)T檢驗的t統(tǒng)計量。第六列:t統(tǒng)計量對應(yīng)的概率p值;小于顯著性水平,拒接原假設(shè)(回歸系 數(shù)與0不存在顯著性差異),認(rèn)為回歸系數(shù)部位0,被解釋變量與解釋變量的線性 關(guān)系是顯著的;大于顯著性水平,接受原假設(shè)(回歸系數(shù)與0不存在顯著性差異), 認(rèn)為回歸系數(shù)為0被解釋變量與解釋變量的線性關(guān)系不顯著的。于是,多元線性回歸方程為:二+x什0. OO9X2+X3X5X6回歸分析的進一步分析:1.多重共
5、線性檢驗系數(shù)模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系 數(shù)tSig.共線性統(tǒng)計呈B標(biāo)準(zhǔn)誤 差試用版容差VIF(常呈).141普通高校數(shù)(所).032.047.068.683.516.022研究與試驗發(fā)展機構(gòu)數(shù)(個).009.008142.313.012發(fā)表科技論文數(shù)雖(篇).001.000.632.007.008專利申請授權(quán)數(shù)(件).000.000189.043在校學(xué)生數(shù)(萬人).301.749.000教職工總數(shù)(萬人).556.693.511.000a.因變雖:畢業(yè)生數(shù)(萬人)從容差和方差膨脹因子來看,在校學(xué)生數(shù)和教職工總數(shù)與其他解釋變量的多重共 線性很嚴(yán)重。在重新建模中可以考慮剔除該變量共線性診斷模型維數(shù)特征
6、值條件索引方差比例(常呈)普通高校數(shù)(所)研究與試 驗發(fā)展機 構(gòu)數(shù)(個)發(fā)表科技 論文數(shù)雖(篇)專利申請 授權(quán)數(shù)(件)在校學(xué)生數(shù)(萬人)教職工總數(shù)(萬人)11.00.00.00.00.00.00.002.352.00.00.00.00.04.00.003.015.00.00.00.00.09.00.004.004.00.00.35.00.65.00.005.001.00.96.0902.15.00.006.000.00.00.08.96.06.01.007.99.04.49.02.00.98a.因變雖:畢業(yè)生數(shù)(萬人)注解:第二列:特征根第三列:條件指數(shù)從條件指數(shù)看,第3、4、5、6、7個條件
7、指數(shù)都大于10,說明變量之間存 在多重共線性。第4T0列:各特征根解釋各解釋變量的方差比。從方差比看,第5個特征根解釋投入普通高校人數(shù)96%;發(fā)表科技論文數(shù)49%;可以認(rèn)為:這些變量存在多重共線性。需要建立回歸方程。2.重建回歸方程輸入/移去的變量I模型輸入的變雖移去的變雖方法1教職工總數(shù)(萬 人),專利申請授 權(quán)數(shù)(件),研究 與試驗發(fā)展機構(gòu) 數(shù)(個),普通高 校數(shù)(所),發(fā)表 科技論文數(shù)雖 (篇),在校學(xué)生 數(shù)(萬人)輸入2在校學(xué)生數(shù)(萬人)向后(準(zhǔn)則:F-to-remove =.100的概率)。3普通高校數(shù)(所)向后(準(zhǔn)則:F-to-remove =.100的概率)。4研究與試驗發(fā)展 機
8、構(gòu)數(shù)(個)向后(準(zhǔn)則:F-to-remove =.100的概率)。5專利申請授權(quán)數(shù)(件)向后(準(zhǔn)則:F-to-remove =.100的概率)。a.已輸入所有請求的變雖。b因變雖:畢業(yè)生數(shù)(萬人)注解:引入/剔除變量表分別剔除在校學(xué)生數(shù)(萬人),普通高校數(shù)(所),研究與試驗發(fā)展機構(gòu)數(shù)(個),專 利申請授權(quán)數(shù)(件)四個變量模型匯總模型RR方調(diào)整R方標(biāo)準(zhǔn)估計 的誤差更改統(tǒng)計呈Durbin-Wa t sonR方更改F更改df1df2Sig. F 更 改1.999.998.997.998670002999.998.998.00011117.7493.999.998.998.000.44018.5264
9、.999”.998.997.000191355.999*.998.997.000110.304a.預(yù)測變雖:(常雖).教職工總數(shù)(萬人).專利申請授權(quán)數(shù)(件)研究與試驗發(fā)展機構(gòu)數(shù)(個)普通高校數(shù)(所)發(fā)表 科技論文數(shù)雖(篇)在校學(xué)生數(shù)(萬人)。b.預(yù)測變呈:(常雖). 科技論文數(shù)雖(篇)。教職工總數(shù)(萬人),專利申請授權(quán)數(shù)(件).研究與試驗發(fā)展機構(gòu)數(shù)(個),普通高校數(shù)(所).發(fā)表C.預(yù)測變呈:(常雖).教職工總數(shù)(萬人),專利申請授權(quán)數(shù)(件).研究與試驗發(fā)展機構(gòu)數(shù)(個),發(fā)表科技論文數(shù)雖:(篇)。d.預(yù)測變呈:(常雖).教職工總數(shù)(萬人),專利申請授權(quán)數(shù)(件).發(fā)表科技論文數(shù)雖(篇)。e.預(yù)測
10、變呈:(常雖).教職工總數(shù)(萬人),發(fā)表科技論文數(shù)雖(篇)。f.因變雖:畢業(yè)生數(shù)(萬人)注解:利用向后篩選策略建立回歸模型,經(jīng)過四步完成回歸方程的建立,最終模 型為第五個模型,依次剔除的變量是在校學(xué)生數(shù)(萬人),普通高校數(shù)(所),研究 與試驗發(fā)展機構(gòu)數(shù)(個),專利申請授權(quán)數(shù)(件)模型五的負(fù)相關(guān)系數(shù)2。判別系數(shù)R2二.調(diào)整判別系數(shù)來二,若將作用不顯著的變量引入方程,則該系數(shù)會減少。估計的標(biāo)準(zhǔn)誤差二。模型二中偏F檢驗的概率P值二,對于顯著性水平,接受原假設(shè)(剔除變量的 偏回歸系數(shù)與0無顯著性差異),認(rèn)為:剔除的變量在校大學(xué)生人數(shù)的偏回歸系 數(shù)與0無顯著性差異。該變量對被解釋變量的線性解釋沒有顯著性貢獻,不應(yīng)保 留在回歸方程中。模型三中偏F檢驗的概率P值二,對于顯著性水平,接受原假設(shè)(剔除變量的 偏回歸系數(shù)與0無顯著性差異),認(rèn)為:剔除的變量普通高校數(shù)的偏回歸系數(shù)與0 無顯著性差異。該變量對被解釋變量的線性解釋沒有顯著性貢獻,不應(yīng)保留在回 歸方程中。模型四中偏F檢驗的概率P值二,對于顯著性水平,接受原假設(shè)(剔除變量的 偏回歸系數(shù)與0無顯著性差異),認(rèn)為:剔除的變量研究與試驗發(fā)展機構(gòu)數(shù)(個) 的偏回歸系數(shù)與0無顯著性差異。該變量對被解釋變量的線性解釋沒有顯著性貢 獻,不應(yīng)保留在回歸方程中。模型五中偏F檢驗的概率P值二,對于顯著性水平,接受原假設(shè)(剔除變量的 偏回
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2023三年級數(shù)學(xué)上冊 二 快樂大課間-兩位數(shù)乘一位數(shù) 信息窗3 呼啦圈表演 求比一個數(shù)的幾倍多(或少)幾的數(shù)是多少教學(xué)設(shè)計 青島版六三制
- Unit7 Natural World(教學(xué)設(shè)計)-2023-2024學(xué)年劍橋國際少兒英語Kid's Box5五年級下冊
- 七年級地理上冊 第三章 天氣和氣候 第3節(jié) 降水的變化與分布 第2課時 降水的分布教學(xué)設(shè)計 (新版)新人教版
- 老年病人圍手術(shù)期護理
- 海底世界小學(xué)語文
- 1 場景歌教學(xué)設(shè)計-2024-2025學(xué)年二年級上冊語文統(tǒng)編版
- 7《不甘屈辱 奮勇抗?fàn)帯返诙n時 教學(xué)設(shè)計-2023-2024學(xué)年道德與法治五年級下冊統(tǒng)編版
- 七年級生物下冊 4.11.2尿的形成和排出教學(xué)設(shè)計(新版)北師大版
- 初中教學(xué)工作計劃(10篇)
- 2024秋五年級英語上冊 Unit 5 There is a big bed課時6 Read and write-Let's wrap it up教學(xué)設(shè)計 人教PEP
- 光榮院建設(shè)可行性研究報告
- 2025年河南經(jīng)貿(mào)職業(yè)學(xué)院單招職業(yè)技能測試題庫完整版
- 2025年河南經(jīng)貿(mào)職業(yè)學(xué)院單招職業(yè)技能測試題庫往年題考
- 企業(yè)電動叉車充電安全管理辦法
- 養(yǎng)老服務(wù)中心經(jīng)濟效益分析
- 2025年度貨車司機招聘廣告發(fā)布合同3篇
- 基于幾類機器學(xué)習(xí)模型預(yù)測肥胖成因的分析比較
- 醫(yī)療質(zhì)量與安全管理和持續(xù)改進評價考核標(biāo)準(zhǔn)
- 2025年中國聯(lián)通招聘筆試參考題庫含答案解析
- 2025年度科室質(zhì)控方案計劃
- 2025年日歷(日程安排-可直接打印)
評論
0/150
提交評論