大数据SPSS分析－回归分析

Answer 1

回归分析是研究因变量与自变量之间线性或非线性关系，在经济、金融及社科中有广泛应用。以下将从线性回归、曲线回归、Logitstic回归等回归分析。
1.线性回归（最常用） 一元线性回归： 步骤如下 （1）作两变量散点图－观相关性； （2）选定自/因变量，进行回归分析； （3）回归方程检验（方程意义、显著性、系数显著性、残差（观测值-预测值）分析）； （4）回归方程修正。 多元线性回归：为了弥补一元线性回归无法完全解释因变量变化信息而引入（只有当一元回归效果很差才考虑，且自变量间互不相关） 步骤如下 选择因变量－确定自变量对因变量的解释力－消除自变量多重关性（回归）－拟合线性回归方程（多元线性回归）－方程检验－残差分析－模型确认并用于预测

2.非线性回归 适用：了解参数初始值或取值范围，而模型无法转化线性

3.Logitstic回归 适用：因变量为二分变量（因变量为是与否，阴阳，生死，有、无效等）

4.有序回归 适用：因变量为分类变量（如：成绩等级优良中差）

5.概率单位回归 Probit适用：对响应比例与刺激作用之间关系分析（药物浓度与反馈响应）