常州网站建设公司方案,小程序登录模板,wordpress 一键恢复,好用的在线设计网站作者#xff1a;夏雨骄阳 封面#xff1a;自己想吧1简单线性回归1根据研究目的确定因变量和自变量。2判断有无异常值。通过绘制散点图直观观察#xff1b;亦可通过线性回归的【统计】→【个案诊断】→【所有个案】进行分析#xff0c;若标准残差超过[-3,3]#xff0c;则… 作者夏雨骄阳 封面自己想吧1简单线性回归1根据研究目的确定因变量和自变量。2判断有无异常值。通过绘制散点图直观观察亦可通过线性回归的【统计】→【个案诊断】→【所有个案】进行分析若标准残差超过[-3,3]则可视为异常值。如果发现异常值则首先应该检查是否是数据收集或录入方面的错误如是则应及时纠正。如不是数据收集或录入方面的错误则需根据实际情况选择剔除或者保留异常值。3判断数据是否满足简单线性回归假设条件。第一线性(linear)因变量与自变量呈线性关系通过绘制散点图判断。第二独立性(independent)任意两个观察值之间相互独立通过线性回归的【统计】→【德宾-沃森】进行分析一般来说Durbin-Waston检验值分布在0-4之间越接近2观察值相互独立的可能性越大。第三残差正态性(normal)随机误差近似正态性可通过直方图或者P-P图判断残差是否符合正态分布。第四通过线性回归的【图】→【产生所有部分图】即可得到残差随着估计值的变化趋势若所有点均匀分布于直线Y0的两侧则可认为方差齐性。4估计回归模型参数建立模型。5对模型进行假设检验。对回归模型进行假设检验一般使用方差分析法对回归系数进行假设检验一般使用t检验方法。2多重线性回归1根据研究目的确定因变量和自变量。2判断有无异常值。通过线性回归-统计-个案诊断线性回归-保存-勾选学生化删除、库克距离、杠杆值根据新生成的学生化删除残差、库克距离、杠杆值来判断。学生化删除残差的值在-3至3的范围内库克距离均小于1杠杆值均均小于0.2不存在异常值。如果发现异常值则首先应该检查是否是数据收集或录入方面的错误如是则应及时纠正。如不是数据收集或录入方面的错误则需根据实际情况选择去除异常值、转换异常值的变量或者选用非参数分析法、最小一乘法来处理。3判断数据是否满足多重线性回归假设条件。第一因变量与所有自变量之间是否存在线性关系。通过建立未标化预测值(PRE_1)和学生化残差(SRE_1)的散点图判断未标化预测值(PRE_1)和学生化残差(SRE_1)的散点图呈水平带状则满足因变量与所有自变量之间存在线性关系的假设。第二因变量与每一个自变量之间是否存在线性关系。通过线性回归的【图】→【产生所有部分图】中的散点图判断。第三方差齐性。通过线性回归的【ANOVA】表的Sig值判断小于0.05为方差齐性大于0.05为方差不齐。第四各自变量之间是相互独立的。通过线性回归的→【统计】→【共线性诊断】的结果容许度越接近1多重共线性越弱膨胀因子越接近1多重共线性越弱膨胀因子小于10为弱多重共线性大于10则存在严重共线性。如果各自变量之间存在严重共线性则可选用岭回归或者主成分分析法来处理。第五残差近似正态性。可通过直方图或者P-P图判断残差是否符合正态分布。4估计回归模型参数建立模型。可根据实际情况选用强迫引入法、逐步引入法、强迫剔除法、向后剔除法、向前引入法来进行模型估计。方差不齐时则需要用加权最小二乘法来进行模型估计。5对模型进行假设检验。对回归模型进行假设检验一般使用方差分析法对回归系数进行假设检验一般使用t检验方法。
