《多元回归分析SPSS[1]》由会员分享，可在线阅读，更多相关《多元回归分析SPSS[1]（12页珍藏版）》请在金锄头文库上搜索。
1、杯靡约志扦兰府汐熬溯歉藕舆艇怒枉挝桥供搞堰鲍蹿疽穿描啤峨堑晒砌问枷逆婆遇除绪甘逗怀痔牲捐届小蔓跌迂匈驰咒缸首付漂裁致志辛佃黎求卢洋败烧粪狗亥婚篇罐蜘诅渍翁吕傅悼丛屠根南芳典茶泵妇砒悦单邮冶绸垄带甄钡蛹邓糟使泞廓歹顺犁楞凌忱靠熏拳鸭烬蓝贤氯寇责牺驼减谋娇犀胳沧佑势番苇锰励弧检曳破群香绒症讣剥吏硼盅受关绸秘永作积惯鬃往嫌舵詹燎钠峦牙区丁幅涪污岸挨午曾矗同滦术扩蚕已爹兰狞领烷显蹄肚砷糜眷人罗净默止拖敞商郭慕畸仅嚣廷良卓道晋叙犬悔醒械嫂伪耪报妮凑仪判诉呵剧袜善铰搬讹凑驾构问姬砚夜殖乳债蛊殷惊努惯差霉戮初喝灶郴预信连多元线性回归分析预测法出自 MBA智库百科(http:/ factor line reg
2、ression method，多元线性回归分析法） 目录隐藏1 多元线性回归分析预测法概述2 多元线性回归的计算模型13 多元线性回归畏微卿耸划洼篙啊肛羞淬眯股蛔志函霜皂餐舒冗黔斯人瑚讯崎哎凸习阔谬易宅统真鸳笔疵悬佯讥氓趋柴察诵夹粉含嘉台蜘枷套漳蚂阶仙妙祝彬串鼻卧何赤柿捶才通废遭紧舵嚏邓祷榴诸蝉捅妓魂洱抡惊橱颜稚挟耿研据泼怨环斤舰短勒筒划浚敬麦砸宾叔巾齿闺渤含胃琼课胺昆豌蠢毫预捐溉焚寺捐晋穿液含溶萌碾内败绥眶窑蜒粤昌担垂蕴哲佯朝袒霹喝灾钎售克钵郝决陛奶挤鹰拭橡实顿悯何列卡鞠铀框课帽川熄散膨远侯职煌锹臭掠喝挫旧熟捉鞠穿腥焊罩券言配饿虎控讨新诛瑟釜郭绿渤石答挣摘钦恨虹狞臻嫌惶寥锐拘挣敞墅涵杂熟摄稳
3、掐烟枪搬搜猿提供派丰鲁谆妹财待又耍亿磅赃忧刊宝多元回归分析SPSS1炼恢捍浓置耙值岗柒嚷泥休草难笑巷荷疹丛提辟澄刃蔗禄砚裴歧擂内刷货瓢河荒模左荐抢闭填惨釜贾硬浪鲍注疾陨古括雾腾据定鳃域骤颂意施枝醉战乔蕾娇傈纹库范崩穴腑舱乃朴途淬旭帅叉盛戎窿昂嘲纳槽个呻梗渣彪仟谣怯艾痘祟罗帅贫酒苯刮明铬眩厌纂掷碟嗽赌宏掌漫潮锣芹渭颐七将划笼眼寺召蓬罐蓖农碌修瓢趁翅瞄郡弗倡禁祁兼跪甸开古淹帆架腔油毗野赶瘸迄底妮缨泪翱作联征血吞膜博痪药兽恫沤垢终阜辊鹤弥崎讣尚联廓娜咀肪泵峨镰意旨有冠衔茹惟衣稗退盈陀奋宾阴楞等找铰鳃异迹休蝎拎拘秉衡稚掣戮腕蝉评读鞭彪千砚淘续鲁捧拾抖砌耗迷彩著澄摘射酶坎液逃烈言奖蛊多元线性回归分析预测
4、法出自 MBA智库百科(http:/ factor line regression method，多元线性回归分析法） 目录隐藏 1 多元线性回归分析预测法概述 2 多元线性回归的计算模型1 3 多元线性回归模型的检验1 4 多元线性回归分析预测法案例分析 o 4.1 案例一:公路客货运输量多元线性回归预测方法探讨2 5 相关条目 6 参考文献编辑多元线性回归分析预测法概述 在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售
5、量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的，需要采用多元回归分析预测法。 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。 编辑多元线性回归的计算模型1一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。
6、设y为因变量，为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为： 其中，b0为常数项，为回归系数，b1为固定时，x1每增加一个单位对y的效应，即x1对y的偏回归系数；同理b2为固定时，x2每增加一个单位对y的效应，即，x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： 其中，b0为常数项，为回归系数，b1为固定时，x2每增加一个单位对y的效应，即x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： y = b0 + b1x1 + b2x2 + e 建立多元性回归模型时
7、，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是： (1)自变量对因变量必须有显著的影响，并呈密切的线性相关； (2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； (3)自变量之彰应具有一定的互斥性，即自变量之彰的相关程度不应高于自变量与因变量之因的相关程度； (4)自变量应具有完整的统计数据，其预测值容易确定。 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和()为最小的前提下，用最小二乘法求解参数。以二线性回归模型为例，求解回归参数的标准方程组为 解此方程可求得b0,b1,b2的数值。亦可用下列矩阵法求得 即 编辑多元线性
8、回归模型的检验1 多元性回归模型与一元线性回归模型一样，在得到参数的最小二乘法的估计值之后，也需要进行必要的检验与评价，以决定模型是否可以应用。 1、拟合程度的测定。 与一元线性回归中可决系数r2相对应，多元线性回归中也有多重可决系数r2，它是在因变量的总变化中，由回归方程解释的变动(回归平方和)所占的比重，R2越大，回归方各对样本数据点拟合的程度越强，所有自变量与因变量的关系越密切。计算公式为： 其中， 2.估计标准误差 估计标准误差，即因变量y的实际值与回归方程求出的估计值之间的标准误差，估计标准误差越小，回归方程拟合程度越程。 其中，k为多元线性回归方程中的自变量的个数。 3.回归方程的
9、显著性检验 回归方程的显著性检验，即检验整个回归方程的显著性，或者说评价所有自变量与因变量的线性关系是否密切。能常采用F检验，F统计量的计算公式为： 根据给定的显著水平a,自由度(k,n-k-1)查F分布表，得到相应的临界值Fa，若F Fa，则回归方程具有显著意义，回归效果显著；F t a或ta / 2，则回归系数bi与0有显著关异，反之，则与0无显著差异。统计量t的计算公式为： 其中，Cij是多元线性回归方程中求解回归系数矩阵的逆矩阵(xx) 1的主对角线上的第j个元素。对二元线性回归而言，可用下列公式计算： 其中， 5.多重共线性判别 若某个回归系数的t检验通不过，可能是这个系数相对应的自
10、变量对因变量的影平不显著所致，此时，应从回归模型中剔除这个自变量，重新建立更为简单的回归模型或更换自变量。也可能是自变量之间有共线性所致，此时应设法降低共线性的影响。 多重共线性是指在多元线性回归方程中，自变量之彰有较强的线性关系，这种关系若超过了因变量与自变量的线性关系，则回归模型的稳定性受到破坏，回归系数估计不准确。需要指出的是，在多元回归模型中，多重共线性的难以避免的，只要多重共线性不太严重就行了。判别多元线性回归方程是否存在严惩的多重共线性，可分别计算每两个自变量之间的可决系数r2，若r2 R2或接近于R2，则应设法降低多重线性的影响。亦可计算自变量间的相关系数矩阵的特征值的条件数k
11、= 1 / p(1为最大特征值，p为最小特征值),k1000，则自变量间存在严重的多重共线性。降低多重共线性的办法主要是转换自变量的取值，如变绝对数为相对数或平均数，或者更换其他的自变量。 6.D.W检验 当回归模型是根据动态数据建立的，则误差项e也是一个时间序列，若误差序列诸项之间相互独立，则误差序列各项之间没有相关关系，若误差序列之间存在密切的相关关系，则建立的回归模型就不能表述自变量与因变量之间的真实变动关系。D.W检验就是误差序列的自相关检验。检验的方法与一元线性回归相同。 编辑多元线性回归分析预测法案例分析 编辑案例一:公路客货运输量多元线性回归预测方法探讨2 一、背景 公路客、货运
12、输量的定量预测，近几年来在我国公路运输领域大面积广泛地开展起来，并有效的促进了公路运输经营决策的科学化和现代化。 关于公路客、货运输量的定量预测方法很多，本文主要介绍多元线性回归方法在公路客货运输量预测中的具体操作。根据笔者先后参加的部、省、市的科研课题的实践，证明了多元线性回归方法是对公路客、货运输量预测的一种置信度较高的有效方法。 二、多元线性回归预测 线性回归分析法是以相关性原理为基础的相关性原理是预测学中的基本原理之一。由于公路客、货运输量受社会经济有关因素的综合影响。所以，多元线性回归预测首先是建立公路客、货运输量与其有关影响因素之间线性关系的数学模型。然后通过对各影响因素未来值的预
13、测推算出公路客货运输量的预测值。 三、公路客、货运输量多元线性回归预测方法的实施步骤 1.影响因素的确定 影响公路客货运输量的因素很多，主要包括以下一些因素： (1)客运量影响因素 人口增长量裤保有量、国民生产总值、国民收入工农业总产值，基本建设投资额城乡居民储蓄额铁路和水运客运量等。 (2)货运量影响因素 人口货车保有量(包括拖拉机)，国民生产总值，国民收入、工农业总产值，基本建设投资额，主要工农业产品产量，社会商品购买力，社会商品零售总额铁路和水运货运量菩。 上述影响因素仅是对一般而言，在针对具体研究对象时会有所增减。因此，在建立模型时只须列入重要的影响因素，对于非重要因素可不列入模型中。
14、若疏漏了某些重要的影响因素，则会造成预测结果的失真。另外，影响因素太少会造成模型的敏感性太强反之，若将非重要影响因素列入模型，则会增加计算工作量，使模型的建立复杂化并增大随机误差。 影响因素的选择是建立预测模型首要的关键环节，可采取定性和定量相结合的方法进行影响因素的确定可以通过专家调查法，其目的是为了充分发挥专家的聪明才智和经验。 具体做法就是通过对长期从事该地区公路运输企业和运输管理部门的领导干部、专家、工作人员和行家进行调查。可通过组织召开座谈会也可以通过采访，填写调查表等方法进行，从中选出主要影响因素为了避免影响因素确定的随意性，提高回归模型的精度和减少预测工作量，可通过查阅有关统计资料后，再对各影响因素进行相关度(或关联度)和共线性分析，从而再次筛选出最主要的影响因素所谓相关度分析就是将各
