大数据SPSS分析-回归分析
回归分析是研究因变量与自变量之间线性或非线性关系,在经济、金融及社科中有广泛应用。以下将从线性回归、曲线回归、Logitstic回归等回归分析。
操作方法
- 01
1.线性回归(最常用) 一元线性回归: 步骤如下 (1)作两变量散点图-观相关性; (2)选定自/因变量,进行回归分析; (3)回归方程检验(方程意义、显著性、系数显著性、残差(观测值-预测值)分析); (4)回归方程修正。 多元线性回归:为了弥补一元线性回归无法完全解释因变量变化信息而引入(只有当一元回归效果很差才考虑,且自变量间互不相关) 步骤如下 选择因变量-确定自变量对因变量的解释力-消除自变量多重关性(回归)-拟合线性回归方程(多元线性回归)-方程检验-残差分析-模型确认并用于预测
- 02
2.非线性回归 适用:了解参数初始值或取值范围,而模型无法转化线性
- 03
3.Logitstic回归 适用:因变量为二分变量(因变量为是与否,阴阳,生死,有、无效等)
- 04
4.有序回归 适用:因变量为分类变量(如:成绩等级优良中差)
- 05
5.概率单位回归 Probit适用:对响应比例与刺激作用之间关系分析(药物浓度与反馈响应)
赞 (0)