共线性,指的是线性回归方程中自变量之间存在着高度相关关系而使得方程的预测结果出现偏差。

当模型存在严重共线性时,OLS估计量虽仍可能出现较好的统计显著性,但实际上其预测结果已经失去统计意义。这是因为,自变量的共线性会使参数估计值的方差增大,而变大的方差会增大随机误差项,使预测失去意义。

那么,怎么在IBM SPSS Statistics中检验变量间是否存在共线性?接下来,一起通过实例详细学习一下吧。

一、数据准备

本例使用的是一组包含客流量、销售额与销售量的数据。

图1:销售数据

二、线性回归共线性分析

共线性检验是用于线性回归方程的变量检验,因此,需在构建线性回归方程时设置共线性检验。

如图2所示,依次单击分析-回归-线性回归选项。

图2:线性回归

在线性回归的设置中,将销售额设置为因变量,将客流量、销售量、所处区域设置为自变量。

图3:变量设置

为了检验客流量、销售量、所处区域这三个自变量之间是否存在着共线性。如图4所示,需打开统计设置面板,勾选“共线性诊断”。

图4:共线性诊断

三、结果解读

线性回归方程的共线性检验设置很简单,但其结果解读就显得复杂一些。

如图5所示,在系数检验表中,可通过共线性统计中的容差与VIF(方差膨胀因子)判断自变量的共线性。

容差与VIF互为倒数关系,当容差(tolerance)<=0.1,说明自变量间共线性严重。当VIF值小于3时,没有共线性问题;当VIF值大于3小于10时,有中等程度的共线性;当VIF值大于10则有很严重的共线性问题。

从图5的结果得出,客流量与销售量之间存在着中等程度的共线性,可能会影响回归方程的预测结果。

图5:系数检验

除了看容差与VIF值外,还可以参考共线性诊断中的特征值与条件指标。当特征值约等于0、条件指标的值大于10、方差比例接近1时(其中一项符合即可),均可说明存在比较严重的共线性。

根据图6所示的共线性诊断结果,得出以下结论:

1. 维度3和4的特征值约等于0,说明存在比较严重的共线性。

2. 维度3的条件指标接近10,维度4的条件指标大于10,说明存在比较严重的共线性。

3. 客流量与销售量维度4的方差比例接近1,说明存在较严重的共线性。

图6:共线性诊断

四、小结

综上所述,进行SPSS线性回归分析时,需要先对自变量进行共线性检验,确保自变量之间不存在高度相关的关系,避免影响到回归模型的预测准确性。

在解读共线性检验结果时,可查看容差、VIF、特征值、条件指标、方差比例的值,并根据不同指标设定的共线性标准判断自变量之间的共线性。

使用IBM SPSS Statistics检验变量间是否存在共线性相关推荐

  1. 如何使用IBM SPSS Statistics统计两个变量的交叉频率分布

    作为一款专业的数据分析软件,IBM SPSS Statistics为用户提供了全面的.多方位的数据分析手段,我们可以在其中使用各种分析方法对数据进行统计分析,对数据分析师.医药学分析都有非常大的好处. ...

  2. 如何使用IBM SPSS Statistics卡方检验

    在使用IBM SPSS Statistics进行数据分析时,我们需要根据数据类型选择合适的检验方法,卡方检验就是一种较为常用的数据检验手段. 为此小编整理了一份SPSS卡方检验的基础教程供大家参考. ...

  3. python数据统计插件_2016年新版数据统计分析工具IBM SPSS Statistics 24优化版

    IBM SPSS Statistics 24为IBM近期推出的新版数据统计分析软件,是目前各行业主流的数据统计分析工具.IBM SPSS Statistics在调查统计行业.市场研究行业.医学统计.政 ...

  4. IBM SPSS Statistics进行游程检验的相关步骤

    一.简介 在使用SPSS进行游程检验之前,我们首先要弄清楚游程检验是什么.游程检验又被称作变量随机性检验,主要是用于检验变量中各个值是否会影响其他值.如果一个值的取值会影响下一个值则说明他们有关,反之 ...

  5. IBM SPSS Statistics 26.0 for Linux Ubuntu 英/中文安装教程

    SPSS公司推出的软件 SPSS(Statistical Product Service Solutions),"统计产品与服务解决方案"软件.最初软件全称为"社会科学统 ...

  6. IBM SPSS Statistics 与用户自定义 Python 模块的集成及分析

    本文介绍了如何将用户自定义的功能模块与 IBM SPSS Statistics 进行集成, 如何利用 Statistics 提供的统计分析方法对功能模块的输入数据进行预处理,并对集成结果进行分析与演示 ...

  7. IBM SPSS Statistics为什么更适合做大数据分析

    在这个大数据的时代,数据每时每刻都在产生.如何高效从这些数据中筛选.分析.提炼出有用的信息,成了当下世界的一个共同课题.我们对数据进行分析最重要的是得到想要的结果,这其中的过程当然是希望软件能够帮助我 ...

  8. IBM SPSS Statistics编辑数据的基本操作

    在我们使用IBM SPSS Statistics进行数据分析的时候,面对着固定的个案和固定的变量,要是我们想要增加新的个案或者变量该怎么办呢?另外要是我们的数据非常的多,面对海量的数据我们该怎么样快速 ...

  9. IBM SPSS Statistics教程——多项排序功能详解

    排序功能是数据统计软件必不可少的一项主要功能,当我们在进行缺失值的查找.重复值的查找以及数据排名时,排序功能就显得非常方便有用.掌握好IBM SPSS Statistics的排序功能,是熟练掌握SPS ...

最新文章

  1. python刷题笔记怎么改_python面试题刷题笔记1 - 10
  2. python怎么查找代码位置查询_Python查询IP地址归属完整代码
  3. jQuery 表单验证插件,jQuery Validation Engine用法详解
  4. Windows下的bat文件的@echo off 作用
  5. Jupyter Notebook 常用的快捷键
  6. substring用法
  7. Jsoup代码解读之一-概述
  8. laravel 记录sql语句
  9. maltab求解微分方程
  10. svn 服务器端怎么增加用户,svn+ssh方式svn服务器和客户端的配置[转载]
  11. springboot请求处理
  12. linux文件系统选哪种,linux下几种文件系统的测试比较
  13. namenode的元数据会被删除吗_从链表中删除数据的时间复杂度真的是O(1)吗?
  14. Ant运行build.xml执行服务器scp,异常解决jsch.jar
  15. 2020新定额及配套招投标评审办法宣贯会成功举办
  16. 计算机语言底层用汉语拼音设计,对汉语拼音设计方案认识(10页)-原创力文档...
  17. 电脑鼠标双击桌面图标打不开怎么办
  18. (真实经验)我干了5年的JAVA面试官,发现很多求职者都忽略这七大方面的问题!
  19. html图片撑开盒子,css背景图撑开盒子高度
  20. js 将正则换成字符串的形式,再由字符串转换成正则

热门文章

  1. 面向对象编程:多态性(C++)
  2. 多伦多大学计算机语言要求,超实用!加拿大名牌大学语言要求
  3. 基于1DCNN(一维卷积神经网络)的目标识别
  4. 计算机课excel,计算机excel教学课件
  5. 莫言750万不够买大房子
  6. buildroot 遇到的CWD 问题
  7. 海康威视网络摄像机 SDK二次开发(JAVA)
  8. linux进程---exec族函数(execl, execlp, execle, execv, execvp, execvpe)
  9. 摄影入门,这些基础知识既简单又实…
  10. Tensorflow与keras学习 (9)——TensorFlow的RTX 2080 Ti深度学习训练基准