与相关分析的区别:对定量数据相关程度,回归解释更精确
通过回归方程可以进行预测与控制
回归关系依然不能解释成因果
分析-回归-线性-
一:简单回归模型的结构:y^=a+bx+ε
1.常量a[在‘选项’可取消回归模型中包含此部分]
2.回归部分bx[b:回归系数、回归线的斜率]
3.ε[随机误差,假定服从正态分布N(0,{方差暂不清楚,占位符--挖坑1
})]
最小二乘法--挖坑2
【到处挖坑、以后详细学习再补】
二:回归系数的计算与检验
b=xy的协方差/x的样本方差
a=y的均值-b*x的均值
v=n-2
检验:
t检验--挖坑3
方差分析[F检验]--挖坑4
三:总体回归线的可信区间--挖坑5
四:个体Y预测值的区间估计--挖坑6
五:模型适用条件
1.线性趋势
2.独立性
3.正态性
4.方差齐性
六:SPSS中的应用
相关系数[没错就是Pearson]的平方叫决定系数R2
挖坑--7
好饿,今天中午没吃饱(>﹏<)
多重线性回归↓ 待补