回归 Regression 余差 Residual 总 K RSS RSS/K RSS/K ESS/(N?K?1) ? n- k –1 n - 1 ESS TSS ESS/(N–K -1) F检验的假设是:
原假设:自变量与因变量之间无线性相关,各个回归系数相等。也就是能否肯定总体回归系数中至少有一个不等于0。
研究假设:自变量与因变量之间存在线性相关,是至少有一个回归系数不等于0。
如果接受原假设,那么自变量与因变量之间的线性关系就不显著,如果拒绝原假设,接受研究假设,那么自变量与因变量之间存在线性关系。
如果计算的显著性小于?,(事先确定的?标准,社会科学研究中通常取0.05或0.01),则拒绝原假设,接受研究假设。
表13-4 为大专及以上人口占6岁及以上人口比例与人均国内生产总值线性回归模型的方差分析表,模型的回归平方和为2188940608.45,自由度为1,回归均方和为2188940608.45。余差平方和为1214014234.91,自由度为29,余差均方和为41862559.82。F值=52.289=2188940608/41862559.82,F的显著性Sig.=.000,小于5%,所以,本例的模型拟合度R Square具有统计学意义。
(四)回归分析假定条件的检查 1、正态分布检查
一般用标准化误差直方图、标准化误差正态概率散点图、标准化误差和标准化预测值的散点图来对正态分布进行检查。
操作方法:
第一步:单击图12-3中的Plots?→ 打开Regression Linear:Plots作图对话框。
图12-6 Regression Linear:Plots作图对话框
第二步:点选*ZRESID(标准化误差频数)到*ZPRED(标准化误差)到
第三步:单击
纵坐标)→ 点选*SRESID到
(设为横坐标)。
→ *ZRESID(标准化误差频数)到
框(设为
框(设为纵坐标)→ 点选
(设为横坐标)→ 点选 Histogram(即要求输
出残差统计量的正态分布图)→ 点选 Normal probability plot(即要求输出标准残差正态分布图) → 单击Continue → 返回Linear Regression对话框 → 单击OK → 输出图形(见图12-7和图12-8)
图13-7 Normal P-P Plot of Regression Standardized Residual(标准化误差正态概率散点图)Dependent Variable: 2004年人均国内生产总值(元)1.0Expected Cum Prob0.80.60.40.20.00.00.20.40.60.81.0Observed Cum Prob 图13-7是标准化误差正态概率散点图,如果总体误差项服从正态分布,则散点将完全落在由原点出发的参照线上,横坐标0.5代表误差由负到正的分界点,即这一点代表误差为0的情况,由这点向左侧延伸代表负误差值越来越大,由这点向右侧延伸代表正误差值越来越大。
显然,本例总体误差项并不完全服从正态分布,因为有一部分散点远离了参照线。
图13-8 Histogram(标准化误差直方图)Dependent Variable: 2004年人均国内生产总值(元)8Frequency6420-2-10123Mean = -3.73E-16Std. Dev. = 0.983N = 31Regression Standardized Residual
图13-8为标准化误差直方图,图中显示均值为-3.73-16标准差为0.983,可见并不完全符合标准正态分布。 3、均方差性的检查
可以用标准化误差正态概率散点图来对均方差性进行检验。如果均方差性存在,则横轴上方各散点的纵向分布宽度应该相等, 如果散点图的分布有明显的宽窄之分,那么说明均方差性的假设条件没有得到较好的满足。
图12-9为标准化误差和标准化预测值的散点图,从图上可以看到,横轴上方各散点的纵向分布宽度还是存在差异,因此,并不完全符合均方差性的条件。
图13-9 Scatterplot(标准化误差和标准化预测值的散点图)Dependent Variable: 2004年人均国内生产总值(元)3Regression StandardizedResidual210-1-2-2-101234Regression Standardized Predicted Value 4、是否存在特异值
可以通过标准化误差和标准化预测 值的散点图(见图12-9)对是否存在特异值进行检验,如果存在超出±2区间的标准化误差值,便可以认为存在特异值。本例中可以看到有两个散点的标准化误差值超过了2,可以断定因变量存在特异值。
5、是否存在误差序列相关
可以用Durbin Watson统计量来检验误差项之间是否存在序列,Durbin Watson统计量的计算公式是:
n?(ed?t?2tn?et?1)2?et?2
2td 值的值域为[0,4],在误差不存在序列相关的时候,它应该在2 左右,当d值小于2时,意味着相邻的误差之间存在正相关。当d大于2时,意味着相邻的误差之间存在负相关。SPSS给出了 Durbin Watson 统计量,但没有给出检验,需要自己查Durbin Watson 表。
,进行相应d点选图13-5中Residuals下的Dubin-Watson(见图13-10)操作后,可以输出Durbin Watson 统计量值(见表13-6)。
图12-10 选择Durbin Watson统计量
b表13- 6 Model SummaryModel1RR Squarea.802.643AdjustedR Square.631Std. Error ofthe Estimate6470.12827Durbin-Watson2.390a. Predictors: (Constant), 2004年大专及以上人口占6岁及以上人口的比例%b. Dependent Variable: 2004年人均国内生产总值(元)
本例的Durbin Watson统计量值为2.39,意味着相邻的误差之间存在一定的负相关。
百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读,免费范文网,提供经典小说教育文库简单线性相关(一元线性回归分析)(3)在线全文阅读。
相关推荐: