大数据SPSS分析-回归分析
- 原创
- |
- 浏览:21697
- |
- 更新:
- |
- 标签:spss
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。
方法/步骤
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
- 该信息未经许可获取自百度经验
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
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)
4.有序回归
适用:因变量为分类变量(如:成绩等级优良中差)
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)
END
经验内容仅供参考,如果您需解决具体问题(尤其法律、医学等领域),建议您详细咨询相关领域专业人士。
作者声明:本篇经验系本人依照真实经历原创,未经许可,谢绝转载。
展开阅读全部