SPSS Modeler 逐步回归分析（指南第九章）

最新推荐文章于 2023-07-27 10:16:00 发布

Yomi JIN

最新推荐文章于 2023-07-27 10:16:00 发布

阅读量6.1k

点赞数 6

分类专栏： IBM SPSS Modeler数据挖掘软件学习笔记

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/qq_24339451/article/details/105542194

版权

IBM SPSS Modeler数据挖掘软件学习笔记专栏收录该内容

50 篇文章

订阅专栏

本文深入探讨了回归分析中变量筛选的重要方法——逐步回归法，包括前进法、后退法及综合两者的逐步回归法，通过案例“Diabetes.sav”数据集展示了如何应用逐步回归法建立最优模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述
在回归分析中，并不是所有自变量都是有效的，或者说都能对因变量有显著的影响，因此，今天，小编和大家一起学习如何在回归分析的过程中对变量进行筛选。

为了更高效地找出最优模型，可以采用逐步回归法。主要分为前进法、后退法以及逐步回归法。
前进法：逐步增加变量的过程。
后退法：逐步减少变量的过程。
逐步回归法：前进法在引入变量后无法再剔除，后退法在剔除变量后无法再被引入。逐步回归对前进法进行了改进，每当回归方程引入新的变量后，都对方程中现有的变量重新检验，当发现有自变量不显著的情况就会将其重新剔除。

案例：数据文件“Diabetes.sav”。

数据展示：
在这里插入图片描述

1. 建立回归模型

采用逐步法
在这里插入图片描述

2. 运行结果

在这里插入图片描述

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。