SPSS16實用教程第7章回歸分析回歸分析基本概念7.1一元線性回歸分析7.2多元線性回歸分析7.3非線性回歸分析7.47.1回歸分析基本概念

相關(guān)分析和回歸分析都是研究變量間關(guān)系的統(tǒng)計學(xué)課題。在應(yīng)用中，兩種分析方法經(jīng)常相互結(jié)合和滲透，但它們研究的側(cè)重點和應(yīng)用面不同。在回歸分析中，變量y稱為因變量，處于被解釋的特殊地位；而在相關(guān)分析中，變量y與變量x處于平等的地位，研究變量y與變量x的密切程度和研究變量x與變量y的密切程度是一樣的。

在回歸分析中，因變量y是隨機(jī)變量，自變量x可以是隨機(jī)變量，也可以是非隨機(jī)的確定變量；而在相關(guān)分析中，變量x和變量y都是隨機(jī)變量。相關(guān)分析是測定變量之間的關(guān)系密切程度，所使用的工具是相關(guān)系數(shù)；而回歸分析則是側(cè)重于考察變量之間的數(shù)量變化規(guī)律，并通過一定的數(shù)學(xué)表達(dá)式來描述變量之間的關(guān)系，進(jìn)而確定一個或者幾個變量的變化對另一個特定變量的影響程度。

具體地說，回歸分析主要解決以下幾方面的問題。通過分析大量的樣本數(shù)據(jù)，確定變量之間的數(shù)學(xué)關(guān)系式。對所確定的數(shù)學(xué)關(guān)系式的可信程度進(jìn)行各種統(tǒng)計檢驗，并區(qū)分出對某一特定變量影響較為顯著的變量和影響不顯著的變量。利用所確定的數(shù)學(xué)關(guān)系式，根據(jù)一個或幾個變量的值來預(yù)測或控制另一個特定變量的取值，并給出這種預(yù)測或控制的精確度。

在實際中，根據(jù)變量的個數(shù)、變量的類型以及變量之間的相關(guān)關(guān)系，回歸分析通常分為一元線性回歸分析、多元線性回歸分析、非線性回歸分析、曲線估計、時間序列的曲線估計、含虛擬自變量的回歸分析和邏輯回歸分析等類型。7.2一元線性回歸分析7.2.1統(tǒng)計學(xué)上的定義和計算公式

定義：一元線性回歸分析是在排除其他影響因素或假定其他影響因素確定的條件下，分析某一個因素（自變量）是如何影響另一事物（因變量）的過程，所進(jìn)行的分析是比較理想化的。其實，在現(xiàn)實社會生活中，任何一個事物（因變量）總是受到其他多種事物（多個自變量）的影響。

通過樣本數(shù)據(jù)建立一個回歸方程后，不能立即就用于對某個實際問題的預(yù)測。必須對其作各種統(tǒng)計檢驗。一般經(jīng)常作以下的統(tǒng)計檢驗。

（1）擬合優(yōu)度檢驗回歸方程的擬合優(yōu)度檢驗就是要檢驗樣本數(shù)據(jù)聚集在樣本回歸直線周圍的密集程度，從而判斷回歸方程對樣本數(shù)據(jù)的代表程度?；貧w方程的擬合優(yōu)度檢驗一般用判定系數(shù)R2實現(xiàn)。該指標(biāo)是建立在對總離差平方和進(jìn)行分解的基礎(chǔ)之上。

（2）回歸方程的顯著性檢驗（F檢驗）回歸方程的顯著性檢驗是對因變量與所有自變量之間的線性關(guān)系是否顯著的一種假設(shè)檢驗?；貧w方程的顯著性檢驗一般采用F檢驗，利用方差分析的方法進(jìn)行。

（3）回歸系數(shù)的顯著性檢驗（t檢驗）所謂回歸系數(shù)的顯著性檢驗，就是根據(jù)樣本估計的結(jié)果對總體回歸系數(shù)的有關(guān)假設(shè)進(jìn)行檢驗。

研究問題合成纖維的強(qiáng)度與其拉伸倍數(shù)有關(guān)，測得試驗數(shù)據(jù)如表7-1所示。求合成纖維的強(qiáng)度與拉伸倍數(shù)之間是否存在顯著的線性相關(guān)關(guān)系。7.2.2SPSS中實現(xiàn)過程表7-1 強(qiáng)度與拉伸倍數(shù)的試驗數(shù)據(jù)序號拉伸倍數(shù)強(qiáng)度（kg/mm2）12.01.622.52.432.72.543.52.754.03.564.54.275.25.086.36.497.16.5108.07.3119.08.01210.08.1

實現(xiàn)步驟圖7-1在菜單中選擇“Linear”命令圖7-2“LinearRegression”對話框（一）圖7-3“LinearRegression：Statistics”對話框

圖7-4“LinearRegression：Plots”對話框圖7-5“LinearRegression：Save”對話框圖7-6“LinearRegression：Options”對話框

（1）輸出結(jié)果文件中的第一個表格如下表所示。7.2.3結(jié)果和討論

（2）輸出的結(jié)果文件中第二個表格如下表所示。

（3）輸出的結(jié)果文件中第三個表格如下表所示。

（4）輸出的結(jié)果文件中第四個表格如下表所示。7.3多元線性回歸分析7.3.1統(tǒng)計學(xué)上的定義和計算公式

定義：在上一節(jié)中討論的回歸問題只涉及了一個自變量，但在實際問題中，影響因變量的因素往往有多個。例如，商品的需求除了受自身價格的影響外，還要受到消費者收入、其他商品的價格、消費者偏好等因素的影響；影響水果產(chǎn)量的外界因素有平均氣溫、平均日照時數(shù)、平均濕度等。

因此，在許多場合，僅僅考慮單個變量是不夠的，還需要就一個因變量與多個自變量的聯(lián)系來進(jìn)行考察，才能獲得比較滿意的結(jié)果。這就產(chǎn)生了測定多因素之間相關(guān)關(guān)系的問題。

研究在線性相關(guān)條件下，兩個或兩個以上自變量對一個因變量的數(shù)量變化關(guān)系，稱為多元線性回歸分析，表現(xiàn)這一數(shù)量關(guān)系的數(shù)學(xué)公式，稱為多元線性回歸模型。多元線性回歸模型是一元線性回歸模型的擴(kuò)展，其基本原理與一元線性回歸模型類似，只是在計算上更為復(fù)雜，一般需借助計算機(jī)來完成。

研究問題用多元回歸分析來分析36個員工多個心理變量值（z1～z8）對員工滿意度my的預(yù)測效果，測得試驗數(shù)據(jù)如表7-2所示。7.3.2SPSS中實現(xiàn)過程表7-2 員工多個心理變量值和員工滿意度數(shù)據(jù)z1z2z3z4z5z6z7Z8滿意度66.0064.0062.0050.0058.0056.001.081.0025.0055.0050.0059.0059.0053.0051.001.001.1122.0050.0047.0049.0045.0046.0046.001.311.2020.0055.0059.0050.0054.0052.0069.001.001.0020.0055.0059.0048.0056.0047.0050.001.001.0024.0062.0054.0068.0046.0046.0051.001.081.0023.0060.0060.0056.0053.0052.0051.001.081.0021.0052.0052.0069.0058.0057.0062.001.001.0023.0056.0055.0057.0039.0044.0046.001.691.0015.0050.0050.0068.0046.0045.0056.001.081.1425.0058.0054.0060.0059.0052.0051.001.001.0025.0053.0052.0055.0057.0065.0064.001.081.0022.0052.0056.0053.0057.0063.0051.001.461.4320.0056.0065.0052.0051.0062.0047.001.001.0022.0050.0063.0059.0053.0055.0048.001.001.0020.0063.0057.0060.0066.0051.0056.001.001.0026.0056.0046.0058.0050.0045.0052.002.231.2921.0047.0050.0057.0049.0050.0048.002.081.1420.0053.0066.0053.0059.0055.0045.001.001.0025.00z1z2z3z4z5z6z7z8滿意度61.0055.0058.0061.0058.0061.001.151.1423.0059.0064.0060.0052.0054.0056.001.081.0026.0055.0060.0072.0060.0055.0067.001.081.0026.0056.0052.0068.0040.0051.0055.001.851.7130.0059.0051.0061.0056.0052.0056.001.001.0025.0060.0053.0062.0055.0047.0063.001.311.1427.0052.0051.0057.0045.0055.0059.001.231.1420.0056.0057.0057.0052.0059.0055.001.001.1426.0068.0058.0071.0068.0053.0061.001.001.0030.0060.0053.0061.0060.0056.0051.001.001.0027.0064.0056.0074.0050.0059.0057.001.851.1418.0067.0053.0060.0053.0053.0051.001.001.0024.0056.0056.0067.0067.0056.0052.001.001.0024.0053.0046.0049.0043.0050.0048.001.311.1419.0053.0057.0065.0052.0067.0059.001.771.4317.0060.0040.0071.0057.0056.0058.001.081.0024.0054.0045.0044.0049.0042.0046.001.001.0023.00

實現(xiàn)步驟圖7-7“LinearRegression”對話框（二）

（1）輸出結(jié)果文件中的第一個表格如下表所示。7.3.3結(jié)果和討論2）輸出的結(jié)果文件中第二個表格如下表所示。

（3）輸出的結(jié)果文件中第三個表格如下表所示。

（4）輸出的結(jié)果文件中第四個表格如下表所示。

（5）輸出的結(jié)果文件中第五個表格如下表所示。

（6）輸出的結(jié)果文件中第六個表格為回歸系數(shù)分析，如下表所示

（7）輸出的結(jié)果文件中第七個表格如下表所示。

（8）輸出的結(jié)果文件中第八部分為圖形，為回歸因變量和每個自變量之間的關(guān)系點圖。圖7-8為自變量z1和my之間的關(guān)系點圖。7.4.1統(tǒng)計學(xué)上的定義和計算公式7.4非線性回歸分析

定義：研究在非線性相關(guān)條件下，自變量對因變量的數(shù)量變化關(guān)系，稱為非線性回歸分析。在實際問題中，變量之間的相關(guān)關(guān)系往往不是線性的，而是非線性的，因而不能用線性回歸方程來描述它們之間的相關(guān)關(guān)系，而要采用適當(dāng)?shù)姆蔷€性回歸分析。

非線性回歸問題大多數(shù)可以化為線性回歸問題來求解，也就是通過對非線性回歸模型進(jìn)行適當(dāng)?shù)淖兞孔儞Q，使其化為線性模型來求解。一般步驟為：

根據(jù)經(jīng)驗或者繪制散點圖，選擇適當(dāng)?shù)姆蔷€性回歸方程；通過變量置換，把非線性回歸方程化為線性回歸；用線性回歸分析中采用的方法來確定各回歸系數(shù)的值；對各系數(shù)進(jìn)行顯著性檢驗。

計算公式如下。在本節(jié)中介紹幾種常見的非線性回歸模型，并分別給出其線性化方法及圖形。

研究問題研究民用汽車總量與國內(nèi)生產(chǎn)總值的關(guān)系。數(shù)據(jù)如表7-3所示。（資料來源：《中國統(tǒng)計年鑒2007》，中國統(tǒng)計出版社，2007年）7.4.2SPSS中實現(xiàn)過程

實現(xiàn)步驟圖7-9“SimpleScatterplot”對話框圖7-10散點圖圖7-11“CurveEstimation”對話框（一）7.4.3結(jié)果和討論

（1）第一部分輸出相關(guān)統(tǒng)計量和參數(shù)的值，如下表所示。

（2）第二部分輸出的是觀察值和Cubic，Power兩種曲線預(yù)測值的對比圖，如圖7-12所示。小結(jié)

回歸分析是研究變量與變量之間聯(lián)系的最為廣泛的模型。在實際中，根據(jù)變量的個數(shù)、類型，以及變量之間的相關(guān)關(guān)系。小結(jié)

一元線性回歸只涉及一個自變量的回歸問題；多元線性回歸用于解決兩個或兩個以上自變量對一個因變量的數(shù)量變化關(guān)系問題；非線性回歸主要解決在非線性相關(guān)條件下，自變量對因變量