SPSS第十講線性回歸分析ppt課件

1、 用變量的觀測數(shù)據(jù)擬合所關注的變量和影響其變化的變量之間的線性關系式 檢驗影響變量的顯著程度 比較影響變量的作用大小 用一個或多個變量的變化解釋和預測另一個變量的變化 一元線性回歸，針對一個影響變量自變量的回歸分析 多元線性回歸，針對多個影響變量自變量的回歸分析 因變量：定距變量 自變量：定類、定序變量或定距變量，對于分類變量需要轉換成虛擬變量 一元線性回歸 YABX 多元線性回歸 YB0B1X1B2X2 BnXn 實例實例1 對受訪者的性別和月收入進行對受訪者的性別和月收入進行一元線性回歸分析一元線性回歸分析 當自變量是分類變量時，需要將原變量轉換成虛擬變量，所有虛擬變量都是 “1和“0取值

2、的二分變量。（當原變量是二分類變量時，我們只需要設定一個“1”、“0取值的虛擬變量，并且把取值為“0的那個類別作為參照項）注意注意步驟1：點擊“Recode”，彈出對話框注注意意通常選擇Recode into Different Variable步驟2：將性別拖入中間空白框步驟3：在Name欄中填寫虛擬變量名步驟4：點擊“Change按鈕步驟5：點擊“Old and New Values按鈕步驟6：將原變量的“1設為新變量的“1”步驟7：將原變量的“2設為新變量的“0”步驟8：點擊“Continue”，回到主對話框步驟8：點擊“OK”，生成新的虛擬性別變量 在設置完虛擬變量后，我們才能正式開始

3、回歸分析。注意注意步驟9：點擊“Regression中的“Linear”，彈出對話框步驟10：選擇因變量“月收入和自變量“性別”點擊“OK”，結果一：確定系數(shù)表 表格中的R、R Square和Adjusted R Square都是用于表示模型的解釋能力 通常選擇Adjusted R Square作為我們的結論依據(jù)，調整后的R平方越大，說明性別和收入的線性關系越強，即性別對收入的解釋力越強 表中調整后的R平方0.033，表示性別能夠解釋收入3.3的變化結果二：方差分析表 結果二是對回歸方程進行顯著度檢驗的方差分析，即判斷總體回歸系數(shù)中至少有一個不等于0 表中顯著度Sig）0.001，表明性別與收

4、入之間具有顯著的線性關系。結果三：回歸系數(shù)表 與結果一中的確定系數(shù)不同，回歸系數(shù)是回歸方程中x的斜率，表示x每變化一個單位，y的平均變化。 從表中B135.406，可以發(fā)現(xiàn)男性比女性的平均月收入多135.406元由于在設定虛擬變量時，將女性取值為“0”，因此這里以女性為參照項）。 由此我們可以得到回歸方程： y396.656135.406X 表中的t檢驗是針對回歸系數(shù)的顯著度檢驗，而結果二中的方差分析是對整個回歸方程的檢驗，在一元回歸分析中，這兩種檢驗結果是等同的。而在多元回歸分析中，則有可能是不同的。整體方程的顯著并不意味著每個回歸系數(shù)都顯著，但每個系數(shù)的顯著一定意味著整體方程是顯著的。 從

5、表中顯著度0.001，可以發(fā)現(xiàn)性別對收入的影響是非常顯著的。實例實例2 將受訪者的性別、教育程度將受訪者的性別、教育程度四分類的教育程度和年齡作為自四分類的教育程度和年齡作為自變量，通過多元線性回歸，分析其變量，通過多元線性回歸，分析其對月收入的影響。對月收入的影響。 由于例題中的教育變量是個四分類的定序變量，因此我們需要設置三個“1”、“0取值的虛擬教育變量：edu1、edu2和edu3，分別用來表示“小學”、“初中和“高中”，將“大專及以上教育類別作為參照項，其余三個類別分別與其進行比較。注意注意步驟1：點擊“Recode”，彈出對話框步驟2：將四分類的教育變量拖入中間空白框步驟3：在Na

6、me欄中填寫第一個虛擬變量edu1步驟4：在Label欄中填寫變量名標簽小學步驟5：點擊“Change按鈕步驟6：點擊“Old and New Values按鈕步驟7：將原變量中表示小學的“1設為新變量的“1”步驟8：將原變量的其余取值都設為“0”步驟9：點擊“Continue”，回到主對話框步驟10：點擊“OK”，生成表示小學的虛擬變量edu1步驟11：重新點擊“Recode”，彈出對話框步驟12：將四分類的教育變量拖入中間空白框步驟13：在Name欄中填寫第二個虛擬變量edu2步驟14：在Label欄中填寫變量名標簽初中步驟15：點擊“Change按鈕步驟16：點擊“Old and New

7、 Values按鈕步驟17：將原變量中代表初中的“2設為新變量的“1”步驟18：將原變量的其余取值都設為“0”步驟19：點擊“Continue”，回到主對話框步驟20：點擊“OK”，生成表示初中的虛擬變量edu2步驟21：重新點擊“Recode”，彈出對話框步驟22：將四分類的教育變量拖入中間空白框步驟23：在Name欄中填寫第二個虛擬變量edu3步驟24：在Label欄中填寫變量名標簽高中步驟25：點擊“Change按鈕步驟26：點擊“Old and New Values按鈕步驟27：將原變量中代表高中的“3設為新變量的“1”步驟28：將原變量的其余取值都設為“0”步驟29：點擊“Conti

8、nue”，回到主對話框步驟30：點擊“OK”，生成表示高中的虛擬變量edu3步驟31：點擊“Regression中的“Linear”，彈出對話框步驟32：選擇因變量“月收入”步驟32：選擇自變量“虛擬性別”,“edu1”,“edu2”，“edu3和年齡點擊“OK”，結果一：確定系數(shù)表 表中調整后的R平方0.044，表示整個方程能夠解釋收入變化的4.4。 與例1中的確定系數(shù)相比，提高了1.1個百分點。結果二：方差分析表 表中顯著度Sig） 小學(0.117) 初中(0.103) 高中(0.082) 年齡(0.061) Sig欄中每個回歸系數(shù)的顯著度水平，表明各自所對應的那個自變量與因變量之間是否存在顯著的線性相關關系 從結果看，所有回歸系數(shù)的顯著度即P值都小于0.05，