SPSS数据分析—最小一乘法
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了SPSS数据分析—最小一乘法相关的知识，希望对你有一定的参考价值。
线性回归最常用的是以最小二乘法作为拟合方法，但是该方法比较容易受到强影响点的影响，因此我们在拟合线性回归模型时，也将强影响点作为要考虑的条件。对于强影响点，在无法更正或删除的情况下，需要改用更稳健的拟合方法，最小一乘法就是解决此类问题的方法。
最小二乘法由于采用的是残差平方和，而强影响点的残差通常会比较大，在平方之后会更大，而最小一乘法不使用平方和而采用绝对值之和，因此对于强影响点的残差来说，其影响会小很多。
我们通过一个例子来比较当强影响点出现时，最小二乘法和最小一乘法的拟合效果，在SPSS中，最小二乘法作为回归分析的默认拟合方法，而最小一乘法或其他拟合方法，则需要手动设置。
首先做散点图来初步判断
以上是关于SPSS数据分析—最小一乘法的主要内容，如果未能解决你的问题，请参考以下文章