作者:丁点helper
来源:丁点帮你
前面的文章主要介绍了回归的一些关键词,比如回归系数、样本和总体回归方程、预测值和残差等,今天我们结合一个案例来看看如何做完整的回归分析,准确而言,是多重线性回归(Multiple Linear Regreesion)。
回顾:多重线性回归
多重线性回归,一般是指有多个自变量X,只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍,两者的差距主要在于自变量X的数量,在只有一个X时,就称简单线性回归。
在实际应用中,我们当然很少只纳入一个自变量。多重线性回归一般也叫“多元线性回归”,我更支持“多重”的叫法,因为“多元”一般也指“因变量Y”有多个。
通过前面的文章,我们知道做线性回归就是要构建Y与X的线性关系,主要目的有两个,一是确定X对Y的影响程度(即回归系数的计算);二是通过X来预测Y。
这里最重要的一条准则是:Y需要是定量变量,就是类似于“收入”、“得分”等。而对X没有这样的要求,可以是定量的,如“教育年限”、“年龄”等;也可以是“性别”、“民族”等分类变量。
案例 从某高校三年级女生体检的数据中,随机抽取20名作为样本,数据包括体重(kg)、胸围(cm)、肩宽(cm)及肺活量(L),分析女大学生肺活量的影响因素,数据见下表:
首先简单看看上表的数据,我们想要研究女生肺活量的影响因素,所以回归的因变量为“肺活量(Y)”,根据常识和数据,这里的Y是定量变量。
搜集的其他数据作为潜在的影响因素(X)纳入回归方程,分别是:体重、胸围、肩宽。我们也能简单就能判断这三个自变量都是定量变量。
(对于变量类型如何判断还不太了解的同学,戳此回顾)
这里进行回归分析,一是判断这些X是否都会影响Y(总体回归系数是否不为0);二是通过构造的回归方程,未来根据X的值计算Y的预测值。
多重线性回归的SPSS操作
回归分析用SPSS操作的步骤如下:
SPSS数据录入格式
回归操作窗口,Dependent为因变量,Independent为自变量,分别移入
上图中的“Method”称作“自变量筛选”方法,我们做线性回归分析很重要的一点是找Y的影响因素,这里的“找”就意味着“筛选”。
比如本案例我们纳入了三个自变量,通过回归分析,就是要找到那些真正对Y产生影响的变量。最终的结果有可能三个X都有影响,则最终的回归方程会有三个X,也有可能一个X都没有。
我们看到Method的下拉菜单有不同的选项:
Enter:将自变量强行全部纳入回归方程,不排除回归系数P值大于0.05的情况;
Stepwise、Remove、Backward、Forward,这些都是软件筛选自变量的方法,虽然名称不一,但思想相近,主要就是根据回归系数检验的P值是否小于0.05(有的是0.1)判断回归方程中应不应该有这个变量。
一般来讲,没有哪个筛选方法最优,但实际应用中常见的是Stepwise和Backward,建议大家自己进行回归分析时可以更换不同的方法尝试,选择自己认为合适的方法。
本案例使用Stepwise法,中文称为“逐步法”或“步进法”。
多重线性回归的结果分析
以下为SPSS分析结果展示:
表1:回归方程的拟合程度
上表最左侧一列为“Model”,表示的是SPSS筛选变量的过程,因为我们选择的是stepwise,所以每进行一步,即每筛选一个变量,就称为一个Model,比如Model"1"表示只纳入1个自变量,Model“2”表示纳入2个,“3”表示纳入3个,”4“表示最终模型剔除了一个自变量,仅纳入2个自变量。
表格第2-4列分别为”R、R Square、Adjusted R Square“,一般的教科书讲的很多,表示的是回归方程对因变量的解释程度,数值越大,解释度越高。但它又是一个比较尴尬的数,实际应用简单参考即可。
表2:回归方程的整体检验
这里的Model和上表1中表示的是同一个意思,代表了包括不同自变量的回归方程。对于回归方程的检验,一般来讲,都是有统计学意义的,看最后一列(Sig.),即P值均小于0.05。
表3:回归系数结果
表3中的Model详细展示了变量的筛选过程,比如在Model 3中,回归方程将三个自变量”肩宽、体重、胸围“全部纳入,但是发现,”肩宽“这个变量的Sig.(P值)大于0.1了,于是就将它剔除出去,从而得到模型4——只纳入”体重和胸围“两个自变量,对照后面的P值结果,均小于0.05。
以上只是一种筛选变量的一种方法(Stepwise),通过统计软件P值自动进行,这并不意味,所有的线性回归分析均只能通过这种方法筛选,我们常说需要结合专业知识判断,在做回归分析时也不例外。
如果回归分析的结果与专业知识相悖,比如根据专业知识有影响的变量却被软件剔除,那我们首先得慎重思考回归的结果是否可信,比如是否满足前文提及的LINE条件,是否出现了多重共线性问题等等;如果经过诊断分析发现这些问题都不存在,在研究报告或论文中,仍可以如实地报告结果,为后面的研究提供参考。
本案例,我们还是依照统计软件的结果筛选变量,得到的最终回归方程为:
根据上表,我们写出本研究的回归方程:
上述结果表示,可以认为体重和胸围是影响该校一年级女大学生肺活量的主要因素,保持胸围不变,体重增加1kg,估计肺活量平均增加0.081L(回归系数”0.081“的含义,在多重线性回归分析中也可称作”偏回归系数“);保持体重不变,胸围增大1cm,估计肺活量平均增加0.046L(回归系数”0.046“的含义)。
另外,上表最后一列提供了一个”标准化偏回归系数“,这是将XY分别标准化之后再进行回归分析,如下:
”标准化偏回归系数“可以用来比较不同的自变量X对Y的影响程度。本例中,体重和胸围的标准化偏回归系数分别为0.644和0.436,意味着体重对肺活量的影响大于胸围对肺活量的影响。
以上即为回归分析的全过程,最后留给大家一个思考题,这里进行的分析,表示的是X和Y的相关关系,还是因果关系?欢迎在评论区留言讨论。
数据分析咨询请扫描二维码
数据模型(Data Model)是对现实世界数据特征的抽象,用于描述一组数据的概念和定义。它从抽象层次上描述了系统的静态特征、动态 ...
2024-10-044. 区间估计 还以为你被上节课的内容唬住了~终于等到你,还好没放弃! 本节我们将说明两个问题:总体均值 的区间估计和总体比例 ...
2024-10-04大数据分析师在现代企业中扮演着至关重要的角色。他们通过分析大量数据,帮助企业做出明智的决策。要成为一名成功的大数据分析师 ...
2024-10-033. 数据分布 t分布、F分布和卡方分布是统计学中常用的三种概率分布,它们分别用于样本均值的推断、方差的比较和数据的拟合优度检 ...
2024-10-03大数据分析师在现代企业中扮演着至关重要的角色。他们通过分析大量数据,帮助企业做出明智的决策。要成为一名成功的大数据分析师 ...
2024-10-022. 描述性统计 上一篇介绍了数据的分类、统计学是什么、以及统计学知识的大分类,本篇我们重点学习描述性统计学。 我们描述一组 ...
2024-10-02大数据专业的毕业生可以选择多种就业方向和岗位,主要集中在数据分析、系统研发和应用开发三大领域。以下是一些具体的岗位: 大 ...
2024-10-011.统计学简介 听说你已经被统计学劝退,被Python唬住……先别着急划走,看完这篇再说! 先说结论,大多数情况下的学不会都不是知 ...
2024-10-01大数据的全球市场规模在 2023 年估计为 1850 亿美元,预计到 2030 年将达到 3834 亿美元,2023 年至 2030 年的复合年增长率为 11 ...
2024-09-30大数据分析是指收集、分析和处理大量数据以发现市场趋势、洞察力和模式,帮助公司做出更好的商业决策的过程。这些信息可以快速、 ...
2024-09-30大数据分析是当今世界一些最重要行业进步背后的推动力,包括医疗、政府和金融等领域。了解更多关于如何处理大数据以及开始时使用 ...
2024-09-30大数据已经成为日常生活不可或缺的一部分,影响着我们的活动。对大量数据的分析已经成为一个重要的行业,对大数据分析师的需求也 ...
2024-09-30数据分析师证书报名官网指南 数据分析师在现代企业中扮演着越来越重要的角色,掌握数据分析技能不仅能够提升个人职场竞争力,也 ...
2024-09-29大数据分析师培训学什么 课程简介 大数据分析师课程以大数据分析技术为主线,以大数据分析师为培养目标,从数据分析基础、linux ...
2024-09-29随着大数据在各行各业中的应用日益广泛,数据分析师这一职业变得越来越重要。作为一名数据分析师,不仅需要具备扎实的技术能力, ...
2024-09-29引言 在当今数字化转型的浪潮中,大数据分析师的角色变得愈发重要。作为这个领域的专业人士,拥有权威认证不仅能够提升个人职业 ...
2024-09-29数据架构师是企业中负责设计、规划和管理数据架构的关键角色。他们的职责广泛且复杂,涵盖了从数据模型设计到数据治理和管理的各 ...
2024-09-28数据分析专员在现代企业中扮演着至关重要的角色。他们通过数据驱动的洞察力帮助企业做出明智的决策。本文将详细探讨数据分析专员 ...
2024-09-28数据开发和数据分析是两个密切相关但有显著区别的领域。尽管它们在现代企业中都至关重要,但在定义、目标、流程、方法、技能要求 ...
2024-09-28数据分析是一个涉及多个领域的综合性学科,需要掌握多种技能和知识。本文将详细介绍数据分析专业课程的主要内容,帮助您全面了解 ...
2024-09-28