逐步回归分析

在实际问题中，首先碰到的问题是如何确定自变量。通常是根据所研究的问题，结合经济理论，罗列出对因变量可能有影响的一些因素作为自变量。

因此，我们需要挑选出对因变量有显著影响的自变量，构造最优的回归方程。

逐步回归的基本思想是：将变量一个一个引入，每引入一个变量时，要对已选入的变量进行逐个检验。当原引入的变量由于后面变量的引入而变得不再显著时，将其剔除。这个过程反复进行，直到既无显著的变量选入方程，也无不显著自变量从回归方程中剔除为止。

SPSS应用
步骤：分析->回归->线性，选入需要分析的变量，方法栏中选入“逐步”，如图：

线性对话框
单击选项按钮，在“使用F的概率”中的进入输入0.1，删除输入0.11，如图： 选项对话框

表示当候选变量中最大F值的P值小于或等于0.1时，引入相关变量。在引入方程的变量中，最小F值的P值大于或等于0.1时，则剔除该变量。

输出结果：

表六. 输入或剔除的变量

表六显示变量逐步回归的过程。首先引入了变量x4，建立了模型1；再引入变量x1，建立模型2；引入变量x2，建立模型3；剔除x4，建立模型4。最终建立的模型只包含x1，x2。

表七、表八. 相关系数和方差

表七和表八主要说明了各模型的拟合情况。模型4的负相关系数为0.989；回归的显著性检验sig=0.00<0.05，说明回归程度显著。

表九、表十. 回归结果

表九给出了回归系数的结果。模型四最后的回归方程为：

表十显示各模型方程外变量的相关统计量。我们可以看到，正是由于x3、x4的P值都大于0.1，所以不能引入模型。

---

相关文章
SPSS经典线性回归分析之一——线性回归分析
SPSS经典线性回归分析之三——违背基本假设的回归分析