应用回归实验6.docx

1、应用回归实验6实验六 自变量选择与逐步回归班级 统计121 学号 2012014469 姓名 张小露一、实验目的：通过本实验项目，旨在使学生理解掌握 SPSS 软件包的自变量选择与逐步回归的具体操作及其原理。二、实验原理：（1）前进法（2）后退法（3）逐步回归法： 将变量一个一个引入，每引入一个变量后，对已选入的变量要一个一个进行逐个检验，当原引入的变量因后面变量的引入而显得不再显著时，要将其剔除。引入一个变量或从回归分析中剔除一个变量，为逐步回归的一步，每一步都要进行F检验，以确保每次引入新的变量之前回归方程中只包含显著的变量。这个过程反复进行直到既无显著的自变量选入回归方程，也无不显著的自

2、变量从回归方程中剔除为止。 四、练习与作业#9其中，。（1）逐步显示变量的引入或剔除过程，逐步回归法首先是引入了变量x5，建立了模型1，然后引入了变量x1，建立了模型2，没有变量剔除，接着又引入了变量x2，最终建立了模型3，包含变量x1、x2、x5。显示各个模型的拟合情况，模型3的复相关系数R=0.998，判定系数R Square=0.996，调整判定系数Adjusted R Square=0.995,估计值的标准误差Std.Error of the Estimate=183.13298。显示各个模型的方差分析结果，模型3的回归均方Regression Mean Square=45472058

3、.16，残差的均方Residual Mean Square=33537.687,F=1355.850, P=0.000 线性回归方程显著。显示各个模型的偏回归系数结果，模型3的常数项=874.6，x5的回归系数=0.672，回归系数的标准误差=0.089，回归系数的t检验的t值=3.516，P=0.000；x1的回归系数=-0.672，回归系数的标准误差=0.124，回归系数的t检验的t值=-4.936，P=0.000；x2的回归系数=-0.353，回归系数的标准误差=0.088，回归系数的t检验的t值=-1.454，P=0.001。按照=0.1的水平，认为三个偏回归系数都显著有意义。模型3的

4、回归方程为显示各个模型方程外的变量的相关统计量，包括Beta、 t值、P值偏相关系数和共线性统计的容忍值。可见模型3外的变量x3、x4的偏回归系数的P值都大于0.1，故不能引入方程（2）后退得线性方程#10（1） 得线性方程（2）排除变量X5得线性方程 （3）用逐步回归法依次引入x3,x5,x4，得最优回归模型： （4） 两种方法得到的最终模型是不同的，后退发首先剔除了x5，而逐步回归在第二部引入了x5，说明两种方法对自变量的重要性的认可是不同的，这与自变量之间的相关性有关联。相比之下，后退发首先对全模型做了回归，每个自变量都发挥了自己的作用，所得的结果更值得信服。从本例的内容看，x5是滞后6个月的最惠利率，对因变量的影响似乎不大。