想知道多元线性回归结果的解释应该看标准化系数B值还是非标准化系数beta值呢? | 您所在的位置:网站首页 › 回归方程系数解释 › 想知道多元线性回归结果的解释应该看标准化系数B值还是非标准化系数beta值呢? |
举个例子来讲:SPSSAU结果与指标解读1.线性回归分析结果分析结果来源于SPSSAU 计算: (1)VIF(方差膨胀因子) \mathrm{VIF}_{i}=\frac{1}{1-R_{i}^{2}}; 对于VIF说明:其值介于1~之间。其值越大,自变量之间存在共线性的可能越大; (2)R方 R方=\sum\left(\hat{y}_{i}-\bar{y}\right)^{2}/\sum\left(y_{i}-\bar{y}\right)^{2} ; 它是判断线性回归直线拟合优度的重要指标,表明决定系数等于回归平方和在总平方和中所占比率,体现了回归模型所解释的因变量变异的百分比;例:R2=0.775,说明变量y的变异中有77.5%是由变量x引起的,R2=1,表明因变量与自变量成函数关系。 (3)调整R方 其中,k为自变量的个数;n为观测项目。自变量数越多,与R2的差值越大;例: \left\{1-\left[\frac{\left(1-0.032\right)(100-1)}{(100-3-1)}\right]\right\}=0.002; (4)F值 参考下方ANOVA表格(中间过程) F=回归均方/残差均方;0.254/0.237=1.068 从上表可知,将价格,性能,品牌偏好作为自变量,而将笔记本是否购买作为因变量进行线性回归分析,从上表可以看出,模型公式为:笔记本是否购买=0.588 + 0.033*价格-0.116*性能 + 0.061*品牌偏好,模型R方值为0.032,意味着价格,性能,品牌偏好可以解释笔记本是否购买的3.2%变化原因。对模型进行F检验时发现模型并没有通过F检验(F=1.068, p=0.367>0.05),也即说明价格,性能,品牌偏好并不会对笔记本是否购买产生影响关系,因而不能具体分析自变量对于因变量的影响关系,分析结束。 2.模型汇总(中间过程)补充说明:一般对于时间序列分析才会考虑DW值: 当残差与自变量互为独立时,DW≈2;当相邻两点的残差为正相关时,DW2;3.ANOVA表格(中间过程)F=回归均方/残差均方;0.254/0.237=1.068; 对模型进行F检验时发现模型并没有通过F检验(F=1.068,p=0.367>0.05),也即说明价格,性能,品牌偏好并不会对笔记本是否购买产生影响关系,因而不能具体分析自变量对于因变量的影响关系。 4.回归系数(中间过程)95%CI:是指由样本统计量所构造的总体参数的估计区间(置信区间)。 补充说明:SPSSAU还提供了coefPlot、预测模型等。例如下图: 更多干货请前往SPSSAU官网查看。 |
CopyRight 2018-2019 实验室设备网 版权所有 |