
发布时间:2021/04/28 20:01:40
当样本无法使用传统的最小二乘法进行回归分析时,我们可以考虑使用SPSS加权回归分析,这类分析方法用到的是加权最小二乘法的原理。
接下来我们将通过一个案例来讲述SPSS的加权回归分析该如何使用。
一、加权回归
加权回归功能在SPSS的“分析”——“回归”菜单下的“权重估算”内。
这类分析方法有一定的应用范围:变量类型都是数字型变量,分类变量应该进行编码处理,加权变量应该是与自变量有关的数字型变量,自变量和因变量的数值分布应当都是正态分布,观测值相互独立。
二、案例实操
1.数据样本
这是一份商业街某些项目参数的部分样本,使用加权回归可以根据商业街的面积、种类、建筑师资历对其建造成本进行拟合。
2.线性检验
文章开头有提到,当一般的最小二乘法无法使用时可考虑加权回归,所以在进行加权回归前应当先对数据及方差进行诊断,如果方差满足最小二乘法的假设前提,最好还是使用线性回归方法进行分析。
使用线性回归建立来检查数据方差。
在“分析”——“回归”——“线性回归”中打开线性回归窗口。
将成本设置为因变量,其余三个变量设置为自变量。
进入“图”对话框,进入上图所示的x和y变量设置。
在输出结果中查看分析出来的散点图,可以发现数据的残差在增大,即因变量的变异性在不断增大,使用最小二乘法进行线性回归不是最佳的分析方案,所以可以考虑使用加权回归分析。
3.变量设置
因变量设置为建筑成本,其余三个变量均为自变量,权重变量设置为面积。
幂的范围设置为0到4,步长设置为0.5。
勾选“在等式中包含常亮”。
4.选项设置
勾选“将最佳权重保存为新变量”,会在保存权重为变量后显示新的序号。
显示ANOVA和估计,设置为“对于最佳幂”,这样不会显示每个幂的方差和估计值,只会显示最佳的方差和估计值。
5.完成分析
完成设置后,点击确定,可在日志窗口查看分析结果。从统计分析得出的各个表格中,可以看到模型拟合的具体信息和效果。
本例中拟合效果还是较为可观的,数据样本得到了合理充分的拟合分析,上图所示表格显示的就是四个变量之间的加权回归关系方差。
三、小结
加权回归的操作方法基本就是这么多了,我们可以将其概括为两个主要步骤:数据检验和回归分析,用户需要先确定该数据无法使用最小二乘法进行线性回归分析,然后再着手考虑加权回归分析。
希望今天的分享可以对大家有所帮助!更多内容请进入IBM SPSS Statistics中文网站查看。
作者:参商
读者也喜欢这些内容:
spss缺失值处理方法 spss缺失值怎么设置
我们在使用SPSS处理数据时,会遇到中间的数值缺失的状况,处理数据的首要前提便是需要确保我们输入数据的准确。因此,就需要对缺失的数值进行找回,那么下面就来给大家介绍SPSS缺失值处理方法,SPSS缺失值怎么设置。...
阅读全文 >
spss缺失值可以不处理吗 spss缺失值填补方法
SPSS的缺失值是指现有的数据集中某些属性是不完全的,而这些不完全的数据可能导致数据处理的结果出现偏差。在实际操作中,数据处理的内容同样与缺失值数据的缺失比例有关。所以使用SPSS遇到缺失值时,要了解正确的处理步骤,那么下面就来给大家介绍SPSS缺失值可以不处理吗,SPSS缺失值填补方法。...
阅读全文 >
spss决策树分析优缺点 spss决策树为什么没有生成树形图
SPSS决策树分析是在树状图的分析基础上构建的一种数据处理模型,它可以根据自变量的值来预测出因变量的变化趋势,并且分析得出数据之间的相互关联关系,还可以得出数据的风险状况,但是SPSS决策树在数据分析中同样也有优缺点,那么下面就来给大家介绍SPSS决策树分析优缺点,SPSS决策树为什么没有生成树形图。...
阅读全文 >
spss线性回归怎么做 spss线性回归图的绘制
通过相关性分析,我们可以了解一个变量是否随另一个变量的变化而变化,但是无法通过控制一个变量,对另一个变量产生影响。通过线性回归分析,可以建立两个变量间的回归方程,较为精确的解释两个变量变化的关系,从而达到控制的目的,我们一般通过专业的统计分析软件进行线性回归分析,如SPSS。关于SPSS线性回归怎么做,SPSS线性回归图的绘制步骤是什么的问题,本文结合实例向大家做简单的介绍。...
阅读全文 >