《掌握后退法、逐步回归法的方法》由会员分享，可在线阅读，更多相关《掌握后退法、逐步回归法的方法（6页珍藏版）》请在金锄头文库上搜索。
1、实验六实验题目：5.10 表的数据是 1968-1983 年检的美国与电话线制造有关的数据， 各变量的含义 如 下：X1一年份；x2国名生产总值（单位:10亿美元）；x3新房动工数（单位；1000栋）：x4失业率（）；x5 滞后六个月的最惠利率（ %）；x6用户用线增量（%）；y 年电话线销量（百万尺双线）。（1 ） 建立 y 对 X2xs 的线性回归方程（2）用后退法选择自变量（3）用逐步回归法选择自变量（ 4）根据以上计算结果分析后退法与逐步回归法的差异 实验目的：掌握后退法、逐步回归法的方法SPS5 主要操作：在线性回归中的 Method 的下拉菜单中分别选 Backward,Stepw
2、ise, 分别进行后退法、逐步回归法SPSS俞出结果及答案：（1 ）建立 y 对 x?x6 的线性回归方程模型摘要模型RR平方调整后的R平方标准估算的错误1.908 a.824.736625.88326a. 预测变量：（常量），x6, x3, x2, x4, x5b. 因变量：yANOVAa模型平方和自由度均方F显著性1回归18304858.41653660971.6839.346.002 b残差3917298.52210391729.852总计22222156.93815a. 因变量：yb. 预测变量：（常量），x6, x3, x2, x4, x5系数a模型非标准化系数标准系数t显著性B标准
3、错误贝塔1（常量）5922.8272504.3152.365.040x24.8642.507.6771.940.081x32.374.842.7822.818.018x4-817.901187.279-1.156-4.367.001x514.539147.078.050.099.923-846.867291.634-.899-2.904.016 Ia因变量：y所以回归方程为:Y=5922.827+4.864X2+2.374X3-817.9O1X4+14.539X5-846.867X6（2）用后退法选择自变量b.预测变量: （常量），x6, x3, x2, x4, xd1c预测变量：（常量），x
4、6, x3, x4, x1调整后的R平d因变量：y 模型RR平方方标准估算的错误1.945 a.893.821514.62184系数a2931 b |6823.919c模型预测变量：（常.868.801.844非标准化系数.787标准系数744t显著性x6, xB x2, x4, x!5, x1标准错误贝塔彳量），1（常量）X1x2x3x4x5x6-2530523.6511304.787-27.4583.321-1506.217212.489-477.9301053982.823542.18413.588 .797 324.836 146.255 284.6095.104 -3.8231.09
5、4-2.128.737-.507-2.4012.407 -2.0214.169-4.6371.453-1.679.040.039.074.002.001.180.1272（常量）x1x2x3x4x6-1668463.402861.764-14.4462.337-1336.062-761.400918208.100472.55310.772 .442 319.374 218.4113.371-2.012.769-1.888-.808-1.8171.824 -1.3415.291-4.183-3.486.099.098.210.000.002.0063（常量）x1x3x4x6-445380.948
6、232.2022.310-971.882-827.999110447.79556.138 .457 174.101220.276.908.761-1.373-.879-4.0334.1365.055-5.582-3.759.002.002.000.000.003a因变量：y模型输入贝塔t显著性偏相关共线性统计容许2x5.737 b1.453.180.436.0463x5.061 c.141.891.044.082x2-2.012 c-1.341.210-.390.006a-因变量：yb.模型中的预测变量：（常量），x6, x3, x2, x4, x1c.模型中的预测变量：（常量），x6, x3
7、, x4, x1所以利用退后法选择的变量为Xi, X3, X4, x回归方程为 y=-445380.948+232.202x i+2.31x3-971.882x4-827.999x6 用逐步回归法选择自变量模型摘要模型RR平方调整后的R平方标准估算的错误1.498 a.248.1941092.832062.697 b.485.406937.950383.811 c.657.572796.60909a.预测变量：（常量），x3b.预测变量：（常量），x3, x5c.预测变量：（常量），x3, x5, x4d.因变量： yANOVAa模型平方和自由度均方F显著性1回归5502210.0901550
8、2210.0904.607.050 b残差16719946.847141194281.918总计22222156.937152回归10785395.10825392697.5546.130.013c残差11436761.83013879750.910总计22222156.937153回归14607124.51934869041.5067.673.004 d残差7615032.41812634586.035总计22222156.93715a.因变量：yb.预测变量：（常量），x3c.预测变量：（常量），x3, x5d.预测变量：（常量），x3, x5, x4系数a模型非标准化系数标准系数t显著性
9、B标准错误贝塔1（常量）5161.2591142.7444.517.000x31.511.704.4982.146.0502（常量）472.2982150.138.220.830x33.188.9131.0503.492.004x5212.32586.643.7372.451.0293（常量）1412.8071865.912.757.464x33.440.7821.1334.398.001x5348.72992.2201.2103.782.003x4-415.136169.163-.587-2.454.030a.因变量：y排除的变量a模型输入贝塔t显著性偏相关共线性统计容许1x11.623.1
10、29.837.389 bx21.940.074.410.877.439 bx4-.042-.154.880.474 -.043.785x5b.737 b2.451.029.562.438x6-.459 b-1.674.118-.421.6332x1-.260 c-.598.561-.170.220x2-.093 c-.198.847-.057.194x4-.587 c-2.454.030-.578.500x6-.042 c-.113.912-.033.3093x1.588 d1.247.238.352.123x2.329 d.775.455.228.164x6-.693 d-2.130.057
11、-.540.209a.因变量：yb.模型中的预测变量：（常量），x3c.模型中的预测变量：（常量），x3, x5d.模型中的预测变量：（常量），x3, x5, x4回归方程为 y=1412.807+3.44x 3+348.729x 5-415.136x 4（4）根据以上计算结果分析后退法与逐步回归法的差异后退法把全部m个变量引入回归方程，然后在这m个变量中选择一个最不重要的 变量，将他从方程中剔除，后退法首先剔除了 x5 。而逐步回归法将变量一个 一个 引入， 每引入一个自变量后， 对已选入的变量要进行逐个检验， 当原引入的 变量 由于后面变量的引入而变得不在显著时， 要将其剔除。逐步回归法在第二部 引入 x5，,说明两种方法对自变量重要性的认可是不同的，这与自变量之间的的 相关性有关联。 相比之下， 后退法首先做全模型的回归， 每个自变量都与机会展 示自己 的作用，所得结果更值得信服。从本例内容看，x5 是滞后 6 个月的最蕙利率，对因变量的影响似乎不大。
