
怎么在spss上做層次回歸分析
在英文文獻(xiàn)中,我們經(jīng)常會見到hierarchical regression(層次回歸分析).我們知道回歸分析中最常見的就是進(jìn)入(enter)法,是將所有的預(yù)測變量全部放入independents,不涉及變量的篩選,為默認(rèn)的選項。而前進(jìn)法或者向后法是按照一定的規(guī)則逐步加入變量,由系統(tǒng)自動進(jìn)行,比如預(yù)測變量有4個abcd,首先分別擬合4個變量的4個簡單模型,假如均沒有顯著,則程序終止。
假如均有顯著,然后將其中P值最小的變量(假如為a)首先納入到模型,分別有3個模型,a+b,a+c,a+d;假如bcd均沒有顯著,則程序終止。
假如bcd有統(tǒng)計學(xué)意義,則選擇具有統(tǒng)計學(xué)意義p值最小的變量進(jìn)入模型(假如為b)則分別有2個模型,a+b+c,a+b+d.如此反復(fù)進(jìn)行,直至模型外的自變量均無統(tǒng)計學(xué)意義,模型內(nèi)的自變量均有統(tǒng)計學(xué)意義
stepwise(逐步進(jìn)入法)與前進(jìn)法的主要區(qū)別是,在模型中假如變量之后不僅對新加入的變量進(jìn)行檢驗,同時也對新模型中的原始變量進(jìn)行檢驗,例如上例,a+b,a+c,a+d同時也對a進(jìn)行檢驗,如果無統(tǒng)計學(xué)意義,也將a剔除出模型。
那么層次回歸其實是建立在之前的回歸分析方法之上的,與上述的統(tǒng)計方法不是并列關(guān)系。層次回歸可以使用所有的回歸方法,只是相當(dāng)于對每層的變量進(jìn)行單獨的分析,找出差異性。其基本思想是將感興趣的變量放在最后一步進(jìn)入模型,以考察在排除了其他變量的貢獻(xiàn)的情況下,該變量對回歸方程的貢獻(xiàn)。如果變量仍然有明顯的貢獻(xiàn),那么我們可以做出該變量確實具有其他變量所不能替代的獨特作用的結(jié)論。這種方法主要用于,當(dāng)自變量之間有較高的相關(guān),其中否一個自變量的獨特貢獻(xiàn)難以確定的情況。
應(yīng)用舉例:
本例考察不同種類土地使用面積與固體排放量之間的關(guān)系,自變量有indust,metals,trucks,retail,restrnts.我們想分析resrnts對固體排放量的單獨貢獻(xiàn)。那么我們可以選擇將resrnts放入最后一層。
第一步將另外的四個變量放入block1中
第二步,點擊next,放入resrnts變量,作為第二層。
第三步:點擊右邊第一個按鈕statistic,主要勾選第二個R方的改變值,然后點擊continue,OK
結(jié)果如下
第二層的變量較之于第一層變量多出的就是我們要考慮的變量,我們可以看到R方的改變值為0.152,方差分析顯著,說明排除其他四個變量的影響,單獨由賓館、餐飲業(yè)用地所解釋的差異為15.2%,具有統(tǒng)計學(xué)意義。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10