多元线性回归残差分析——基于SPSS统计分析工具

转载&＃xff0c;原文链接https://blog.csdn.net/qysh123/article/details/75111472

希望对你们有帮助。

残差分析包括以下内容&＃xff1a;

①残差是否服从均值为零的正态分布&＃xff1b;

②残差是否为等方差的正态分布&＃xff1b;

③残差序列是否独立&＃xff1b;

④借助残差探测样本中的异常值。

其中&＃xff0c;判断残差的分布可以在SPSS中通过绘制“标准化残差直方图”做到&＃xff0c;而残差序列的独立性要通过DW检验做到&＃xff0c;具体操作如下&＃xff1a;

分析——回归——线性——点开“统计量”选项卡——在“残差”中勾选Durbin-Watson——继续——点开“绘制”选项卡——Y选择DEPENDENT——X选择*ZRESID——勾选“直方图”和“正态概率图”&＃xff0c;然后确定&＃xff0c;运行多元线性回归。

网友对DW检验的介绍&＃xff1a;

•Durbin-Watson统计量&＃xff08;取值&＃xff1a;0~4 &＃xff09;
–检定回归模型中残差独立的假设
–如果相邻残差项间是相关&＃xff0c;则其总差异必小或大
•若残差项间是正相关&＃xff0c;则其差异必小
•若残差项间是负相关&＃xff0c;则其差异必大
–当DW值愈接近2时&＃xff0c;残差项间愈无相关
–当DW值愈接近0时&＃xff0c;残差项间正相关愈强
–当DW值愈接近4时&＃xff0c;残差项间负相关愈强

下图是我做的DW统计量结果&＃xff1a;

在“绘制”那个窗口中&＃xff0c;除了因变量&＃xff0c;其他代表的含义如下&＃xff1a;

“DEPENDNT”&＃xff1a;因变量
“ZPRED”&＃xff1a;标准化预测值
“ZRESID”&＃xff1a;标准化残差
“DRESID”&＃xff1a;删除残差
“ADJPRED”&＃xff1a;调节预测值
“SRESID”&＃xff1a;学生化残差
“SDRESID”&＃xff1a;学生化删除残差

我实验中标准化残差的直方图和P-P图如下所示&＃xff1a;

就先简单总结这么多。
————————————————
版权声明&＃xff1a;本文为CSDN博主「蛐蛐蛐」的原创文章&＃xff0c;遵循 CC 4.0 BY-SA 版权协议&＃xff0c;转载请附上原文出处链接及本声明。
原文链接&＃xff1a;https://blog.csdn.net/qysh123/article/details/75111472