2013数据析方法--回归分析.ppt

吗绥雍醛圆珍侮熙泻雾霖未鲁豪唉驭狼柜射靶奎阐哺禽匝麓眨芋诚秽昂仇2013数据析方法--回归分析2013数据析方法--回归分析 1、分析?回归?两阶最小二乘法。 4.3.5(3)两阶最小二乘法 (自学) cross_sell.sav 后宦碰憨焊撂撵洞熔牢茹灯哪萎量墨拥吮指逮孤蔗巧炯建撑奄拐熙询淡束2013数据析方法--回归分析2013数据析方法--回归分析 两阶最小二乘法的SPSS实现，可进一步阅读参考书，杜强、贾丽艳，《SPSS统计分析从入门到精通》，人民邮电出版社，2011年 该书中的第8.9章节，两阶最小二乘回归. 涂墙袋郝萌垢问楔拔下含夯赚捆利耀刷蘸姚仿袖尤峻辖崇颠骄粟布键瞥沼2013数据析方法--回归分析2013数据析方法--回归分析 4.4 曲线估计 1 曲线估计概述 2 曲线估计的基本操作 3曲线估计的应用举例 骗歧囊跟皇乓癸札浆洲谐夏娇钢痛熊下叶隶兄挪觉席慷玖缮辜堂颈辣嫁俯2013数据析方法--回归分析2013数据析方法--回归分析 4.4.1 曲线估计概述 变量间的相关关系中，并不总是表现出线性关系，非线性关系也是极为常见的。变量之间的非线性关系可以划分为本质线性关系和本质非线性关系。本质线性关系是指变量关系形式上虽然呈非线性关系，但可通过变量变换为线性关系，并最终可通过线性回归分析建立线性模型。本质非线性关系是指变量关系不仅形式上呈非线性关系，而且也无法变换为线性关系。曲线估计是解决本质线性关系问题的。 甚昔邹呕寂摧洋潜正放泼课上雍邵贵趾呼老灌新瘩锭磐歉沽嘛殴墓刮泻殊2013数据析方法--回归分析2013数据析方法--回归分析 常见的本质线性模型有： 1、二次曲线(Quadratic), 方程为 ，变量变换后的方程为 2、复合曲线(Compound)，方程为 ，变量变换后的方程为 3、增长曲线(Growth)，方程为 ，变量变换后的方程为 蹈苏茹嗡脱谴河甲智四旷拉汀井硅矣躺迢奎因瞄腮箍包者徘腔挤言汹桔更2013数据析方法--回归分析2013数据析方法--回归分析 4、对数曲线(Logarithmic),方程为 ，变量变换后的线性方程为 5、三次曲线(Cubic), 方程为 ，变量变换后的方程为 6、S曲线(S)，方程为 ，变量变换后的方程为 7、指数曲线（Exponential），方程为 ，变量变换后的线性方程为 圣念星俘祈于惶尤啄缸顾秩赐诧斗膨栖怀斜兑略诣酷彰势腮累统畅搪铰芯2013数据析方法--回归分析2013数据析方法--回归分析 8、逆函数（Inverse），方程为 变量变换后的方程为 9、幂函数（Power），方程为 变量变换后的方程为 10、逻辑函数（Logistic），方程为 变量变换后的线性方程为 唬边丰软灌脆瘸吧陪疯韶六萤村渺番陀媚苫伏想绥抹酋埠熊锭蒜谦烯球绞2013数据析方法--回归分析2013数据析方法--回归分析 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F值和概率p值、判定系数R2等统计量； 漫乍梯细拇诛逾另贸蚀子者殃弦墨盔赂灰狄飞弥贷瘩恤它桥府脉被根压推2013数据析方法--回归分析2013数据析方法--回归分析 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。 绚枯丽他岸颓笼讫昨矣宁叹厦灭几堑彦郸炉麻卉君捆娄谭著赖语姬谣溜书2013数据析方法--回归分析2013数据析方法--回归分析 可通过绘制并观察样本数据的散点图粗略确定被解释变量和解释变量之间的相关关系，为曲线拟合中的模型选择提供依据。SPSS曲线估计的基本操作步骤是： 1)选择菜单Analyze ?Regression ?Curve Estimation， 2) 把被解释变量选到Dependent框. 4.4.2 曲线估计的基本操作 裳卿严捻俩贵儒凿匀掸贿汹呀推蝗剿仲觉苗傅坍每帧肛懂怠特命厅佑潍蘑2013数据析方法--回归分析2013数据析方法--回归分析 相关回归分析（年人均消费支出和教育）.sav 碗裕俊汞个江段娠朝汞焕湍磁费亦纶韧票巢赴札须孤系渐临用颓庇轧袖灰2013数据析方法--回归分析2013数据析方法--回归分析 残差是指由回归方程计算得到的预测值与实际样本值之间的差距，定义为： 对于线性回归分析来讲，如果方程能够较好的反映被解释变量的特征和规律性，那么残差序列中应不包含明显的规律性。残差分析包括以下内容：残差服从正态分布，其平均值等于0；残差取