SPSS多元线性回归残差分析的基本方法

2020/09/29 00:29

SPSS多元线性回归残差分析的基本方法

残差分析包括以下内容：

①残差是否服从均值为零的正态分布；

②残差是否为等方差的正态分布；

③残差序列是否独立；

④借助残差探测样本中的异常值。

其中，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，而残差序列的独立性要通过DW检验做到，具体操作如下：

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”，然后确定，运行多元线性回归。

网友对DW检验的介绍：

?Durbin-Watson统计量（取值：0~4 ）
–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，则其总差异必小或大
?若残差项间是正相关，则其差异必小
?若残差项间是负相关，则其差异必大
–当DW值愈接近2时，残差项间愈无相关
–当DW值愈接近0时，残差项间正相关愈强
–当DW值愈接近4时，残差项间负相关愈强

下图是我做的DW统计量结果：

在“绘制”那个窗口中，除了因变量，其他代表的含义如下：

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

就先简单总结这么多