当前位置:   article > 正文

SPSS(六)SPSS之回归分析衍生方法(图文+数据集)_岭回归结果解读

岭回归结果解读

SPSS(六)SPSS之回归分析衍生方法(图文+数据集)

我们知道线性回归是有适用条件的

  • 因变量的独立性
  • 正态性
  • 方差齐性
  • 无极端值
  • 自变量、因变量要有线性趋势

 

假如不满足以上的条件,还能做回归分析吗?其实有一大类针对此相关的方法

曲线拟合过程

针对问题:自变量、因变量无线性趋势

  • 直线关系毕竟是较少数的情形,当因变量和自变量呈曲线关系时:

       有明确的公式:利用变量变换将曲线直线化,然后加以拟合

       关系不明:基于图形观察,拟合可能的曲线,从中挑选出最为合适的一个

  • 具体拟合方法:根据所选择的公式,将自变量和因变量进行变量变换,然后按照直线回归的方式进行拟合
  • 可拟合的曲线种类

       高次方曲线:一、二、三次方曲线

       指数、对数、幂曲线

       特殊类型曲线:S形曲线、生长曲线等

 

简单来说分两种情况

  • 第一种情况:一个是已经给出表达式,我们将其进行变量转换为线性,之后进行回归
  • 第二种情况:另一个是我们结合可拟合的曲线种类,看哪一个表达式拟合效果比较好,挑选这个表达式进行线性变换,之后回归

案例:通风时间和毒物浓度的曲线方程(第一种情况)

根据文献资料,随着通风时间的增加,密闭空间内污染物的浓度应当呈指数方程下降。现考察某通风设备的换气效果,在室内放置了某种挥发性物质(模拟毒物),待其充分分散到室内空气中后开始通风,每一分钟测量一次室内空气中的毒物浓度,请建立时间与空气中毒物浓度的指数方程。

(已有明确的方程,按此拟合即可。等价于先进行变量变换,然后拟合直线方程)

数据集如下

  1. 1 2.1250
  2. 2 1.7420
  3. 3 1.2360
  4. 4 1.1270
  5. 5 .7310
  6. 6 .4690
  7. 7 .4000
  8. 8 .3810
  9. 9 .2840
  10. 10 .2760
  11. 11 .0620
  12. 12 .0610
  13. 13 .0408
  14. 14 .0428
  15. 15 .0305

首先进行变量变化(转换----计算变量)

建一个新变量,对原始的y进行ln运算,使之ln(y)与x成线性关系

建模

 

结果查看,一般我们只关注和几个地方

R方:决定系数,衡量模型可用性及模型信息量的表达,越接近1越好

Anova:里面的Sig.表示lny与x解决问题使用线性回归模型是否可行的

系数a:Sig.这个因变量纳入这个模型有没有意义

 

还有一个比较快的方法,不用计算出新的变量(分析----回归----曲线估计)

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/weixin_40725706/article/detail/702859
推荐阅读
相关标签
  

闽ICP备14008679号