第7章相关分析与回归分析(含SPSS).ppt

5．Options对话框 单击“Option”按钮，打开Options 对话框，如图7-12 所示。 图7-12 Options 对话框 （1） Stepping Method Criteria栏：设置变量引入模型或从模型剔除的判据。其中：Use probability of F选项，采用 检验的概率值作为判据。Use F value F选项，采用 值作为变量引入模型或从模型剔除的判据。 （2）Include constant in equation：线性回归方程中含有常数项。这是默认选项。 （3） Missing Value栏，缺失值的处理方法。其中，Exclude cases listwise：串列删除缺失值。Exclude cases pariwise：成对删除缺失值。Replace with mean：以变量的平均数代替缺失值。 第三节 曲线估计 一、曲线估计概述 （一）曲线估计的概念 变量之间的非线性关系可以划分为本质线性关系和非本质线性关系。所谓本质线性关系是指变量关系形式上虽然是非线性关系，但可通过变量变换化为线性关系，并可最终进行线性回归分析建立线性模型,而曲线估是解决本质线性关系问题的。 另外，用户如果不能马上根据专业知识或是观测量数据本身的特点确定一种最佳模型，也可以利用曲线估计选择建立一个简单而又比较适合的模型。SPSS可完成表7-8中有关曲线拟合的功能。 SPSS曲线估计中，首先，在不能明确究竟哪种模型更接近样本数据时可在上述多种可选择的模型中选择几种模型；然后，SPSS自动完成模型的参数估计，并输出回归方程显著性检验的 值和概率 值、判定系数 等统计量；最后，以判定系数为主要依据选择其中的最优模型，并进行预测分析等。另外，SPSS曲线估计还可以时间为解释变量，实现时间序列的简单回归分析和趋势外推分析。 （二）曲线估计的数据要求 1、解释变量与被解释变量应该是数值型变量。 2、模型的残差应该是任意并且呈现正态分布。 二、曲线估计在SPSS中的实现 1、建立或打开数据文件后，进入 Analyze→ Regression→Curve Estimation主对话框，如图7-14所示。 图7-14 Curve Estimation 对话框 2、 在源变量框中选择一个或多个被解释变量，送入Dependent（s）框中。 3、在源变量框中选择解释变量，送入Independent框中，或者直接指定时间选项（time）作为解释变量。 4、在左侧源变量框中选择标示观测量的变量放入Case Labels框中。 5、在Models栏中选择一个或多个拟合模型，各模型解释如表7-10所示。 6、根据需要选择选项。其中：Include constant in equation：方程包含常数项，系统默认值。Plot models：绘制曲线拟合图，系统默认值。Display ANOVA Table：结果中显示方差分析表。 7、单击“Save”变量储存按钮，激活变量储存对话框。如图7-15所示。 图7-15 Save 对话框 （1） Save variables，保存变量选项。点击一个或全部选项，可将相应的数值以新变量形式储存到数据库中。 （2） Predict Case：预测观测量。如果解释变量为时间变量，可以在该栏中指定一种超出当前数据时间序列范围的预测周期。其中：①Predict from estimation period through last case选项：使用预先设定好的估计周期中的数据，求出所有观测量的预测值。②Predict through选项：根据预先设定的周期，使预测值通过特定的数据、时间或者特定的观测量。 8、单击OK按钮提交运行。 谢谢！ 二、线性回归方程的统计检验 （一）回归方程的拟合优度检验 回归方程的拟合优度检验就是要检验样本数据点聚集在回归直线周围的密集程度，从而评价回归方程对样本数据的代表程度。我们知道，被解释变量各个观察值之间的差异主要是由解释变量的不同取值和其他因素造成的。用公式表示为： (7.13) (7.