SPSS多元线性回归及逐步回归教程

点击分析->回归->线性会出来如图ff3eb5693870411095e64e1acfef0de1.png

 选择自变量,因变量。点击左侧efdea7ff22ff440898229845090d4fbb.png然后点击fd1844b1f83a4520aa6daa6e1562281c.png即可选择变量并将它添加到自变量、因变量。

点击统计,需要额外勾选共线性诊断和04313f94bed840d6a85d12051039369b.png然后点击继续,点击27ce2cf370c64719a2a77035cb419bcf.png967d42a979564e5b9c498d74141b4fdb.png

设置成如图7066eb4ad29a46d5b33c8b125a8ec3c8.png 。

解释:----------------------------------------------------------------------------

04313f94bed840d6a85d12051039369b.png起到检验残差是否独立的左右

 bc6fb45d16e24139bd97b73ae8d2f9de.png检验自变量间是否存在共线性

99c8f4dd5a5145f78f4f6326260a910d.png绘制残差图,x标准化预测值,Y残差。

--------------------------------------------------------------------------------------------------------------

点击确定53a1855194c34ccca0716734ff408c10.png

 出现e427905bdf784ea8b4e4c7113ccdfd61.png

 注意:92d0ee5cd0b4429c85a4d1587aae4686.png就是04313f94bed840d6a85d12051039369b.png,值越接近2越相互独立。

b89c6b2fc4cf4635ba09c742ce68ced6.png残差独立正态。

1e6f1b1e2c4941ed85aeb37c44622a30.png点越接近越落在直线上表明越正态分布。

513c0e8438564dafa5984f54fa8bd0ff.png在0上下随机分布,没有很多的离群值,没有趋势,残差稳定。

5999e32dd70849089ce8c842f7aec36a.pngSig(显著性)<0.001表明结果很好

6356e7b0e1c64ec9a114dfc56d74599a.pngR方越接近1越好

41682894717443f0b2184208287a8deb.png为多元线性回归回归方程y=-33.960+6.199X菌盖厚度+.....

f151253f65014a3598a21c3dfa2cbaa7.png表示自变量对因变量的影响程度,数字越大表示影响程度越大。 

多重共线性判断方法:

A.

58e86da31736414f9df44508dbd89458.png容差<0.2表述存在多重共线性,VIF(方差膨胀系数)为:1/容差,一半>5表示存在多重共线性,这个根据学科不同,值也有变化。

B.

3e72a9aff5494c8ca2a4ec24901b31d5.png

 特征值那一栏,如果提取的多个主成分特征值相对集中在某一个或几个主成分上,其他主成分趋于0,就存在多重共线性,一般条件索引>30就存在多重共线性。

如果一个主成分同时在多个自变量上有较大方差比例,如3,4,5就有多重共线性.

有多重共线性多元线性回归不准确。

 解决方法:逐步回归分析

833989cf3d3a4860bfb7824313aa9e22.png

方法那一栏改成a41dc9e1413f43a4a0d897f11adc91ec.png,其它的不发生改变。

显著性水平在这设置:71b8fced9ea5465b9d0aac47705fbe8c.png

 注意:d1153843ed1643719aaf44a099c100fe.png

 看清楚,常量要排除,多重共线性看自变量

 a81c8d0c9c5045abae5005a727817263.png

 所以这个不存在多重共线性。

  原学习视频:多元线性回归+逐步回归

937a83adad19446896406c30a215078b.png标准系数就是直接通径系数,比较需要看绝对值。

  • 32
    点赞
  • 387
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Stata逐步回归法是一种逐步选择变量并构建模型的统计方法,以下是该方法的详细步骤: 步骤1:准备数据 首先,确保你已经正确导入数据到Stata中,并且数据已经整理好,包括变量的命名和数据类型。 步骤2:运行逐步回归命令 在Stata的命令窗口中输入逐步回归命令,可使用命令"stepwise"、"stepwise"或"sreg",具体使用哪个命令取决于你的Stata版本和个人喜好。例如,使用"stepwise"命令可以输入:regress y x1 x2 x3, stepwise。 步骤3:选择变量 Stata将会运行一系列回归模型,每个模型都在前一个模型的基础上添加或移除一个变量。你可以根据不同的准则来选择样本中的变量。一般常用的准则有前进选择(F), 后退删除(B)和双向选择(F & B)等。在选择过程中,Stata会根据准则计算模型的统计指标,如AIC或BIC,并给出每个变量的p值和系数等信息。 步骤4:解释结果 根据逐步回归的结果,你可以对每个被选中的变量进行解释,并评估它们在模型中的作用。可以通过检查每个变量的系数、显著性水平和置信区间来判断变量的影响。另外,还可以使用一些统计指标,如调整R方、AIC、BIC等来评估整个模型的质量。 步骤5:诊断检验 最后,需要对逐步回归模型进行诊断检验,以确保模型的可靠性。可以使用Stata提供的命令进行诊断,如检验残差的正态性、异方差性、多重共线性以及异常值等。如果发现了问题,可能需要调整模型或者重新选择变量。 总结而言,逐步回归法是一种构建多元回归模型的方法,在Stata中可以利用相应的命令来实现。通过逐步选择变量并检验模型结果,可以构建一个解释力较强且经过验证的多元回归模型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值