91回归分析概述92线性回归分析和线性回归模型93回归方(编辑修改稿)

91回归分析概述92线性回归分析和线性回归模型93回归方(编辑修改稿)内容摘要：

表示多重共线性越强，越接近 1表示多重共线性越弱。 方差膨胀因子 VIF。 方差膨胀因子是容忍度的倒数。 VIF越大多重共线性越强， 当 VIF大于等于 10时，说明存在严重的多重共线性。 21 ii RT o l 2iR 特征根和方差比。 根据解释变量的相关系数矩阵求得的特征根中，如果最大的特征根远远大于其他特征根，则说明这些解释变量间具有相当多的重复信息。 如果某个特征根既能够刻画某解释变量方差的较大部分比例 （ ）， 又能刻画另一解释变量方差的较大部分比例，则表明这两个解释变量间存在较强的线性相关关系。 条件指数。 指最大特征根与第 i个特征根比的平方根。 通常，当条件指数在 010之间 时说明多重共线性较弱 ；当条件指数在 10100之间说明多重共线性较强；当条件指数大于 100时说明存在严重的多重共线性。 imik 5 线性回归分析的基本操作 （ 1）选择菜单 Analyze－ Regression－ Linear，出现窗口： 选择 一个或多个解释变量 进入 选择回归分析中解释变量的 筛选策略 标志变量 （ 2）选择被解释变量进入 Dependent框。 （ 3）选择一个或多个解释变量进入Independent(s)框。 （ 4）在 Method框中选择回归分析中解释变量的筛选策略。 其中 Enter表示所选变量强行进入回归方程，是 SPSS默认的策略，通常用在一元线性回归分析中； Remove表示从回归方程中剔除所选变量； Stepwise表示逐步筛选策略；Backward表示向后筛选策略； Forward表示向前筛选策略。 （ 5）第三和第四步中确定的 解释变量及变量筛选策略 可放置在不同的块（ Block）中。 通常在回归分析中不止一组待进入方程的解释变量和相应的筛选策略，可以单击Next和 Previous按钮设置多组解释变量和变量筛选策略并放置在不同的块中。 （ 6）选择一个变量作为条件变量放到 Selection Variable框中，并单击 Rule按钮给定一个判断条件。 只有 变量值满足判定条件的样本才参与线性回归分析。 （ 7）在 Case Labels框中 指定哪个变量作为样本数据点的标志变量 ，该变量的值将标在回归分析的输出图形中。 线性回归分析的其他操作 Statistics按钮，出现的窗口可供用户选择更多的输出统计量。 输出与回归系数相关的统计量 输出每个 非标准化回归系数95％的置信区间。 输出判定系数、调整的判定系数、回归方程的标准误差、回归方程显著 F检验的方程分析表。 输出每个解释变量进入方程后引起的 判定系数的变化量和 F值的变化量。 输出方程中各解释变量与被解释变量之间的 简单相关、偏相关系数。 输出方程中各解释变量间的相关系数、协方差以及各回归系数的方差 多重共线性分析 DW检验值 输出标准化残差绝对值大于等于 3的样本数据的相关信息 ， （ 1） Estimates： SPSS默认输出项， 输出与回归系数相关的统计量。 包括回归系数（偏回归系数）、回归系数标准误差、标准化回归系数、回归系数显著性检验的 t统计量和概率 p值，各解释变量的容忍度。 （ 2） Confidence Intervals：输出每个 非标准化回归系数 95％的置信区间。 （ 3） Descriptive：输出各解释变量和被解释变量的 均值、标准差、相关系数矩阵及单侧检验概率p值。 （ 4） Model fit： SPSS默认输出项， 输出判定系数、调整的判定系数、回归方程的标准误差、回归方程显著 F检验的方程分析表。 （ 5） R squared change： 输出每个解释变量进入方程后引起的判定系数的变化量和 F值的变化量。 （ 6） Part and partial correlation：输出方程中各解释变量与被解释变量之间的 简单相关、偏相关系数。 （ 7） Covariance matrix： 输出方程中各解释变量间的相关系数、协方差以及各回归系数的方差。 （ 8） Collinearity Diagnostics： 多重共线性分析，输出各个解释变量的容忍度、方差膨胀因子、特征值、条件指标、方差比例等。 （ 9）在 Residual框中： Durb。