《线性回归(异方差的诊断、检验和修补)—SPSS操作.doc》由会员分享，可在线阅读，更多相关《线性回归(异方差的诊断、检验和修补)—SPSS操作.doc（8页珍藏版）》请在三一文库上搜索。
1、.线性回归（异方差的诊断、检验和修补）SPSS操作首先拟合一般的线性回归模型，绘制残差散点图。 步骤和结果如下：为方便，只做简单的双变量回归模型，以当前工资作为因变量，初始工资作为自变量。 （你们自己做的时候可以考虑加入其他的自变量，比如受教育程度等等）Analyze regression linear将当前工资变量拉入dependent框，初始工资进入independent点击上图中的PLOTS，出现以下对话框：1 / 8.以标准化残差作为Y 轴，标准化预测值作为X 轴，点击 continue，再点击 OK第一个表格输出的是模型拟合优度R2 ，为 0.775。调整后的拟合优度2 / 8.为
2、0.774.第二个是方差分析，可以说是模型整体的显著性检验。F 统计量为1622.1，P 值远小于 0.05，故拒绝原假设，认为模型是显著的。第三个是模型的系数，constant 代表常数项，初始工资前的系数为1.909，t 检验的统计量为40.276，通过 P 值，发现拒绝原假设，认为系数显著异于0。以上是输出的残差对预测值的散点图，发现存在喇叭口形状，暗示着异方差的存在，故接下来进行诊断，一般需要诊断异方差是由哪个自变量引起的，由于这里我们只选用一个变量作为自变量，故认为异方差由唯一的3 / 8.自变量“初始工资”引起。接下来做加权的最小二乘法，首先计算权数。Analyze regress
3、ion weight estimation再点击 options，4 / 8.点击 continue，再点击 OK ，输出如下结果：由于结果比较长，只贴出一部分，第二栏的值越大越好。所以挑出来的权重变量的次数为 2.7。得出最佳的权重侯，即可进行回归。 Analyze regression linear5 / 8.继续点击 save，在上面两处打勾，点击continue，点击 ok6 / 8.这是输出结果，和之前同样的分析方法。接下需要绘制残差对预测值的散点图，首先通过transform 里的compute 计算考虑权重后的预测值和残差。7 / 8.以上两个步骤后即可输出考虑权重后的预测值和残差值然后点击 graph，绘制出的散点图如下：8 / 8