嶺回歸

嶺回歸分析（Ridge Regression）是一種改良的最小二乘法，其通過放棄最小二乘法的無偏性，以損失部分信息為代價(jià)來尋找效果稍差但回歸系數(shù)更符合實(shí)際情況的模型方程。

簡單來說，嶺回歸是通過引入k個(gè)單位陣，使回歸系數(shù)可以估計(jì)，得到的回歸估計(jì)值要比簡單線性回歸系數(shù)更加穩(wěn)定，也更加接近真實(shí)情況。雖然引入單位陣會(huì)導(dǎo)致信息丟失，但同時(shí)也換來回歸模型的合理估計(jì)。

分析步驟

嶺回歸分析步驟共為2步：（1）結(jié)合嶺跡圖尋找最佳K值；（2）輸入K值進(jìn)行回歸建模。

第一步：拖入數(shù)據(jù)，生成嶺跡圖，尋找最合適的K值。

K值的選擇原則是各個(gè)自變量的標(biāo)準(zhǔn)化回歸系數(shù)趨于穩(wěn)定時(shí)的最小K值。K值越小則偏差越小，當(dāng)K值為0時(shí)則為普通線性O(shè)LS回歸；SPSSAU提供K值智能建議，也可通過主觀識(shí)別判斷選擇K值。

第二步：對(duì)于K值，其越小越好，通常建議小于1；確定好K值后，即可輸入K值，得出嶺回歸模型估計(jì)，查看分析結(jié)果。