IBM SPSS Statistics 中文网站 > 使用技巧 > spss参数估计值是什么意思 spss参数估计步骤

spss参数估计值是什么意思 spss参数估计步骤

发布时间:2022/05/20 14:27:53

品牌型号:联想GeekPro 2020

系统: Windows 10 64位专业版

软件版本: IBM SPSS Statistics

spss参数估计值是什么意思?spss参数估计量是使用样本数据通过参数估计方法计算出来的统计量的值。本文会运用实例详细spss参数估计步骤并对spss的运算结果进行解读,并根据估计量建立回归方程。

一、spss参数估计值是什么意思

spss参数估计值是什么意思?首先理解下什么是参数估计,参数估计是一种统计推断方法,是通过抽取样本来计算统计量,从而估计出总体未知参数的方法,其运算的方法包括最小二乘估计(线性参数估计)、最大似然估计法、贝叶斯估计法等。

而spss参数估计值,就是运用参数估计的方法,根据样本数据计算出来的估计量(统计量)的值。

以简单的一元线性回归分析为例,在满足残差正态分布、残差无自相关,方差齐性等假设后,进行回归方程的参数估计。回归方程自变量与常量系数显著性<0.05,说明回归系数显著,根据计算所得的参数估计值,可写成一元线性回归方程为y=0.463x+0.51。

图1:线性回归方程参数估计
图1:线性回归方程参数估计

 

二、spss参数估计步骤

接下来,我们使用一个实际的例子,具体演示下spss参数估计步骤。

第一步,准备数据,确定研究问题。

使用一组居民消费价格指数(以下简称CPI)与消费者信心指数(以下简称CCI)的样本数据,由于CPI对CCI的影响具有滞后性,因此将CCI数据滞后一期运算。

图2:CPI与CCI数据
图2:CPI与CCI数据

 

第二步,观察数据分布,确定参数估计的方法。

如果事先不清楚样本数据的分布情况与符合的模型类型,可先使用spss的图表创建器,绘制样本数据的散点图。

如图3所示,从CPT与CCI(滞后一期)数据的散点图看到,CPT与CCI(滞后一期)之间不存在明显的线性相关关系,因此无法使用线性回归分析法,更倾向使用曲线估计法。

图3:CPI与CCI散点图
图3:CPI与CCI散点图

 

第三步,使用spss曲线估计分析方法

假设CPT与CCI(滞后一期)之间符合曲线回归模型后,应用spss的曲线估计分析法进行回归模型的参数估计。

如图4所示,依次点击spss的分析-回归-曲线估算选项。

图4:曲线估计
图4:曲线估计

 

如图5所示,在spss曲线估算设置中,以“CPI对CCI(滞后一期)的影响”为研究目的,将“CCI(滞后一期)”选入因变量列表框,将“CPI”选入独立变量列表框,将“月份”选入个案标签列表框。

由于我们暂时不清楚“CPI对CCI(滞后一期)的影响”符合哪种曲线模型,可依次勾选可能符合的模型类型,比如本例勾选了“线性”、“二次”、“复合”、“增长”、“对数”、“三次”等模型类型。

图5:变量及分析模型
图5:变量及分析模型

 

三、spss参数估计结果解读

spss曲线估算的变量、模型、统计量设置都比较简单,那么,怎么解读其参数估计的结果呢?

首先,我们简单回顾下数据及曲线估计的设置,如图6所示,本例进行的是因变量为“CCI(滞后一期)”,自变量为“CCI”的曲线估计,以月份作为观测值的个案标注,会进行线性、对数、二次等7种方程的估算。

图6:模型描述
图6:模型描述

 

接下来,我们来看一下估算结果。

如图7所示,spss的曲线估计结果很简单清楚,可在同一个表上比较模型的R方、显著性数值,并查看方程对应的参数估算值。

从数据看到,三次方程的显著性为0.002<0.05,方程检验结果显著,R方为0.528,拟合优度尚可。而其他的回归方程显著性均>0.05,检验结果不显著,R方数值也很低,因此,更倾向采用三次回归方程。

根据参数估计值,可创建三次回归方程:y=6761.72-97.494x+0.003x3

图7:参数估计量
图7:参数估计量

 

四、小结

以上就是关于spss参数估计值是什么意思,spss参数估计步骤的相关内容。参数估计值是通过样本数据去估算总体未知参数的值,spss的参数估计值可从运算表格中轻松获得,并可通过显著性数值判断参数估计值是否具有统计学意义。

 

作者:泽洋

SPSS Statistics
云版首发!秒杀只需1分钱!
立即购买
QQ 群
官方交流群:815794396 立即加群
400-8765-888 kefu@makeding.com
热门文章
SPSS数据分析显著性差异分析步骤 SPSS显著性差异分析结果怎么看
数据的显著性差异分析主要有三种方法,分别是卡方检验、T检验和方差分析。这三种方法都有具体的数据要求:卡方检验是对多个类别的数据进行分析,T检验是对两组数据进行分析,方差分析是对多组数据进行检验。下面,小编具体说明一下SPSS数据分析显著性差异分析步骤,SPSS显著性差异分析结果怎么看。
2022-01-07
实践SPSS单因素方差分析之检验结果解读
在《实践SPSS单因素方差分析之变量与检验方法设置》一文中,我们已经详细地演示了IBM SPSS Statistics单因素方差分析方法的变量选择以及相关的选项、对比设置。
2021-01-11
SPSS相关性分析结果怎么看
相关性分析是对变量或个案之间相关度的测量,在SPSS中可以选择三种方法来进行相关性分析:双变量、偏相关和距离。
2021-04-23
spss多元线性回归分析操作步骤,spss多元线性回归分析结果解读
spss多元线性回归分析操作步骤,本文会以客流量、销售量与销售额的线性关系演示spss的多元线性回归分析操作步骤,并进行spss多元线性回归分析结果解读。
2022-05-07
SPSS多元logistic回归分析的使用技巧
回归分析是数据处理中较为常用的一类方法,它可以找出数据变量之间的未知关系,得到较为符合变量关系的数学表达式,以帮助用户完成数据分析。
2021-04-26
spss如何做显著性分析 spss显著性差异分析怎么标abc
在统计分析中,显著性分析是分析相关因素之间是否存在显著影响关系的关键性指标,通过它可以说明分析结论是否由抽样误差引起还是实际相关的,可论证分析结果的准确性。下面大家一起来看看用spss如何做显著性分析,spss显著性差异分析怎么标abc。
2022-03-14
最新文章
1分钱秒杀!云版大数据统计与应用分析解决方案上线
在经历了数个月的悉心筹备后,云版大数据统计与应用分析解决方案终于要和大家见面了!为了让更多人能体验到本服务,我们特别发起了限量1分钱秒杀活动。
2022-11-24
spss缺失值分析步骤 spss缺失值分析结果怎么看
在数据调查过程中,工作人员常常会遇到数据缺失现象。数据缺失分为三类,随机缺失,完全随机缺失,非随机缺失。无论哪种缺失,都可能导致严重的问题,或者大大降低统计的精度。利用IBM SPSS Statistics可以对数据缺失值进行分析,关于SPSS缺失值分析步骤是怎样的,SPSS缺失值分析结果怎么看的问题?本文结合实例,为大家做简单介绍。
2022-11-24
spss标签值不显示 spss标签值乱码
使用IBM SPSS Statistics进行统计分析的过程中,为了工作便利,常常会为变量设置标签。在设置标签过程中,常常会遇到各种问题,如SPSS标签值不显示,SPSS标签值乱码等问题,这些问题产生的根源是什么?如何解决?本文向大家做简单介绍。
2022-11-21
IBM SPSS Statistics云版本登录使用教程
感谢您订阅IBM SPSS Statistics云版本服务,IBM SPSS Statistics云版本是由思杰马克丁+IBM+阿里云联合推出,帮助用户解决短时间使用正版软件的需求,提供周付费、月付费两种购买模式,性价比极高。那么在购买了IBM SPSS Statistics云版本之后,应该如何登陆使用呢,本篇教程就来告诉大家使用方法。
2022-11-23
spss中t值和p值是什么意思 spss中t值和p值的关系
在统计分析过程中,常常会遇到这样的情况:检验两个相关的样本是否来自具有相同均值的总体,就会用到t检验。t检验(Student's t test),主要用于样本含量较小(例如n < 30),总体标准差σ未知的正态分布, t检验是用t分布理论来推论差异发生的概率,从而比较两个平均数的差异是否显著。利用IBM SPSS Statistics统计分析软件进行t检验可以避免繁杂的统计学计算,快速给出结果,供用户分析。SPSS中t值和p值是什么意思,SPSS中t值和p值的关系是什么,本文结合实例,向大家做简单的介绍。
2022-11-16
spss pearson相关性分析步骤 spss pearson相关性分析结果怎么看
Pearson(皮尔逊)相关性指的是联合分布服从二维正态分布的随机变量X,Y之间的简单线性相关关系,X,Y之间的相关关系由简单相关系数r表示。利用IBM SPSS Statistics可以非常快速地完成两个随机变量X,Y间的Pearson(皮尔逊)相关性分析,SPSS Pearson相关性分析步骤是什么,SPSS Pearson相关性分析结果怎么看,本文结合实例,向大家做简单的介绍。
2022-11-14

微信公众号

欢迎加入 SPSS 产品的大家庭,立即扫码关注,获取更多软件动态和资源福利。

读者也喜欢这些内容:

咨询热线

在线咨询

限时折扣