SPSS软体与回归分析.ppt

1 SPSS軟體與迴歸分析 南台科技大學企管系呂金河 2 壹 相關係數 例如1 經理想了解產品價格與銷售量是否有相關 2 教育學者想了解IQ成績與教學成績是否有相關 3 醫生想了解人出生時的體重與壽命是否有相關 4 房地產公司想了解房價與物價是否有相關 3 相關係數計算方法的選擇 4 註 1 相關 適用於兩變數都是二分 列聯相關 Cramer sV係數 等級相關 Kendall和諧係數 值在0與1之間 其餘在 1與1之間 2 Pearson積差相關 點二系列相關 Kendall等級相關 Spearman等級相關由相關 雙變數 在對話框勾選3 相關 列聯相關係數 Cramer sV係數 卡方檢定的各種相關係數由敘述統計 交叉表 在對話框勾選4 Kendall和諧係數在分析 無母數檢定 K個相關樣本 勾選KendallW檢定 5 連續變數間的相關係數常用Pearson相關係數描述 次序型變數的相關係數常用Spearman秩相關係數描述 Pearsonr 1 r 1 r 1時 x與y成一斜率為正的直線 稱為完全正相關 r 1時 x與y成一斜率為負的直線 稱為完全負相關 r 0表x值增加時 y值有增加的傾向 r 0表x值增加時 y值有減少的傾向 r 0表x與y無線性相關 x與y可能有U形曲線相關 6 7 變數間有 相關 不一定有 因果關係 SPSS操作 點選分析 相關 雙變數 將要計算的變數移至變數欄 在相關係數欄勾選Pearson 在選項 options 欄勾選統計量下的均值與標準差及交叉乘積與共變異 按繼續 按OK 8 貳 迴歸分析 目的 找出一個線性方程式 用來說明一組預測變數 Xi 與效標變數 Y 的關係 目的在探求Y與Xi的關係式 9 1迴歸分析的步驟 1 選定反應變數 Y 與解釋變數 複 線性迴歸模式為且互相獨立其中 與 為迴歸母數 i 1 2 n 為誤差項 在迴歸分析中 如果預測變數 Xi 只有一個 則稱之為簡單迴歸分析 如果預測變數有二個以上 則稱為多元迴歸或複迴歸分析 10 資料格式 11 選擇重要自變數 用逐步迴歸法 估計的值 並對每一個 i檢定 i 0否 t檢定 各別邊際檢定 在ANOVA表上 檢定否 總檢定 F檢定 以瞭解整體關係是否達到顯著水準用調整後判定係數 0 18 判定模式合格否 配適度 用判定係數判定總變異被迴歸解釋的百分比 以瞭解這個方程式的預測能力如何 12 殘差分析 檢查是否滿足 1 常態性 用Wilk ShapiroW檢定或常態機率圖 2 變異數恆常性 用ei對Xk的殘差圖 或ei2對每一Xk作迴歸 看 1 0否 3 獨立性 用Durbin Watson檢定 D W值介在1 5至2 5表示無自我相關 等三個假設條件若殘差分析證明模式不合適 可能需做變數轉換 去除離群值 增減變數等以修正模式模式解釋 13 2迴歸分析SPSS操作法 l Step1 點選分析 歸迴方法 線性2 Step2 將 大一微積分 移至 依變數 內 而數學成績點選至 自變數 這個欄位 3 Step3 進入 統計量 點選 模式適合度 R平方改變量 及 Durbin Watson 以判定模型的有效性及誤差之間的線性關係 並點選 繼續 4 Step4 進入 統計圖 將 DEPENDENT 依變數 與 ZRESID 標準化的殘差值 這兩個選項分別拖曳至X軸與Y軸 作殘差分析表 並點選 繼續 5 Step5 按 確定 開始執行 6 迴歸SPSS報表分析 14 3 複迴歸SPSS報表分析 例 想了解大學入學考試的數學成績 x1 與英文成績 x2 對大一微積分成績 y 的影響有多高 試作迴歸分析 86 15 判定係數R2 0 64 判定總變異被迴歸解釋的百分比有64 表示迴歸方程式的預測能力良好 調整後判定係數adjR2 0 597 0 18 表示判定模式良好 Durbin Watson檢定 D W值 3 177不介在1 5至2 5 表示殘差有輕微無自我相關 16 在ANOVA表上 F檢定的p值 0 002 0 05 拒絕 表示總體而言 數學成績 x1 與英文成績 x2 對大一微積分成績影響顯著 17 檢定 i 0否的t檢定的p值 0 05的只有數學 表示各別而言 數學成績 x1 對大一微積分成績影響顯著 而英文成績 x2 對大一微積分成績影響不顯著 廻歸係數的信賴區間 英文成績的信賴區間包含0 亦表示英文成績 x2 對大一微積分成績影響約為0 不顯著 估計的迴歸模式為大一微積分成績 50 559 0 357 數學成績 0 163 英文成績 18 標準化殘差的常態機率圖略呈直線 表示殘差滿足常態性 19 標準化殘差對預測值的散佈圖呈隨機散布的長條狀 表示變異數恆常性成立且因其殘差隨機散布 獨立性似亦成立 20 4羅吉斯迴歸 logisticregression 目的 估計二元因變數 或多項因變數 與自變數的關係式 可用以預測因變數的值 做分類 及建模二元變數 設 成功 機率為p 失敗 最後一類 機率為1 p 模式為利用逐步迴歸選取重要的自變數估計的值 並對每一 i檢定 i 0否 Wald檢定 用適合度 2檢定 判定模式的解釋能力合格否 檢定 5 預測值 並可由值判定Y歸成功或失敗類 21 例 Y 偏好品牌 X1 性別 X2 職業為自變數做logistic迴歸 以預測偏好品牌SPSS操作 點選分析 迴歸方法 二元logistic 在對話框將偏好口味移至依變量 性別 職業移至共變量 若點選方法的向前Wald 向後LR 等 則可做逐步選擇重要自變數 按類別 將性別 職業移至類別共變量 繼續 按儲存 勾選預測值及殘差等 繼續 按選項 勾選分類圖 Hosmer Lemeshow適合度 等 繼續 確定 22 5Probit分析 目的 估計二元因變數 或多項因變數 與自變數的關係式 可用以預測因變數的值 做分類 及建模二元變數 設 成功 機率為p 失敗 最後一類 機率為1 p 模式為其中 為標準常態分配的CDF利用逐步迴歸選取重要的自變數估計的值 並對每一 i檢定 i 0否 Wald檢定 用適合度 2檢定 判定模式的解釋能力合格否 檢定 5 預測值 並可由值判定Y歸成功或失敗類 23 例研究殺蟲劑的藥效得實驗資料如右 試找出一個適當的配適迴歸模式SPSS操作 點選分析 迴歸方法 probit分析 在對話框將兩個變數移至反應變數 成功次數 與觀察值總和 將自變數移至因子或共變量 若有需要可點選共變量的轉換 轉換共變量x成log x 或ln x 勾選probit分析或logit分析 確定 24