当样本无法使用传统的最小二乘法进行回归分析时,我们可以考虑使用SPSS加权回归分析,这类分析方法用到的是加权最小二乘法的原理。
接下来我们将通过一个案例来讲述SPSS的加权回归分析该如何使用。
一、加权回归
加权回归功能在SPSS的“分析”——“回归”菜单下的“权重估算”内。
这类分析方法有一定的应用范围:变量类型都是数字型变量,分类变量应该进行编码处理,加权变量应该是与自变量有关的数字型变量,自变量和因变量的数值分布应当都是正态分布,观测值相互独立。
二、案例实操
1.数据样本
这是一份商业街某些项目参数的部分样本,使用加权回归可以根据商业街的面积、种类、建筑师资历对其建造成本进行拟合。
2.线性检验
文章开头有提到,当一般的最小二乘法无法使用时可考虑加权回归,所以在进行加权回归前应当先对数据及方差进行诊断,如果方差满足最小二乘法的假设前提,最好还是使用线性回归方法进行分析。
使用线性回归建立来检查数据方差。
在“分析”——“回归”——“线性回归”中打开线性回归窗口。
将成本设置为因变量,其余三个变量设置为自变量。
进入“图”对话框,进入上图所示的x和y变量设置。
在输出结果中查看分析出来的散点图,可以发现数据的残差在增大,即因变量的变异性在不断增大,使用最小二乘法进行线性回归不是最佳的分析方案,所以可以考虑使用加权回归分析。
3.变量设置
因变量设置为建筑成本,其余三个变量均为自变量,权重变量设置为面积。
幂的范围设置为0到4,步长设置为0.5。
勾选“在等式中包含常亮”。
4.选项设置
勾选“将最佳权重保存为新变量”,会在保存权重为变量后显示新的序号。
显示ANOVA和估计,设置为“对于最佳幂”,这样不会显示每个幂的方差和估计值,只会显示最佳的方差和估计值。
5.完成分析
完成设置后,点击确定,可在日志窗口查看分析结果。从统计分析得出的各个表格中,可以看到模型拟合的具体信息和效果。
本例中拟合效果还是较为可观的,数据样本得到了合理充分的拟合分析,上图所示表格显示的就是四个变量之间的加权回归关系方差。
三、小结
加权回归的操作方法基本就是这么多了,我们可以将其概括为两个主要步骤:数据检验和回归分析,用户需要先确定该数据无法使用最小二乘法进行线性回归分析,然后再着手考虑加权回归分析。
希望今天的分享可以对大家有所帮助!更多内容请进入城东书院网站查看。