逐步回归分析

Posted 2021-05-26 Data+Science+Insight

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：

。。。。

搜索逐步回归法相关的资料信息，找到一片逐步回归法的学习笔记,比较详细的讲了逐步回归法的三种操作方式，个人倾向于第三种方式。在第三种方式下，不但考虑了新增因子的解释能力同时也考虑了新增因子后已存在因子的解释能力，最终等于将所有因子中不适宜的因子剔除，留下有效因子。这是解决多因子的多重共线性的有效办法。

原文内容（连接在文尾）：

之前在 SPSS 中的回归分析算法中发现，在它里面实现的算法有 Enter 和 Stepwise 两种。Enter 很容易理解，就是将所有选定的自变量一起放入模型中，直接去计算包含所有自变量的整个模型能够解释多少因变量中的变异，以及各个自变量单独的贡献有多少。但对 Stepwise