多元线性回归视图提供该类分析的多元统计视图,以及结果的详细汇总表格,如图11-25所示。方法原理详见12.14多元线性回归。
多元线性回归的属性栏设置详见下表:
项目名称 | 说明 | 选项 |
---|---|---|
分组建模 | 设置统计分析或回归建模是否基于指定的分组,而非整个样本集 | 无,各分组列表 |
回归模型参数 | 设置与多元线性回归和偏最小二乘回归有关的回归参数 | |
因变量 | 在多元线性回归分析中,依据选中的因变量进行回归。 | 因变量列表 |
多元线性回归输出栏分别提供以下分析结果统计列表及对应的多元统计图形:
1)多元线性回归方程
表头名称 | 说明 |
---|---|
回归方程 | 显示回归方程,包括截距和各项系数。 多元线性回归方程系数(图11‑26-1) |
决定系数R² | 回归方程的决定系数R2值。详见12.14多元线性回归。 |
复相关系数r | 回归方程的复相关系数r值。详见12.14多元线性回归。 |
校正决定系数Rc² | 回归方程的校正决定系数Rc²值。详见12.14多元线性回归。 |
表2)多元线性回归方程假设检验。按检验水平α=0.05,拒绝或接受假设H0=数据间不存在显著的线性回归关系。如下表中的例子所示:
方差来源 |
自由度
df |
方差
SS |
均方差
MS |
F | P |
---|---|---|---|---|---|
回归 | 6 | 21.68 | 3.61 | 41.40 | 0 |
残差 | 37 | 3.23 | 0.09 | ||
总方差 | 43 | 24.91 |
表3)回归拟合值与残差分析
表头名称 | 说明 |
---|---|
样品 | 样品名称及编号 |
指标 | 显示该样品对应的因变量Y值 |
拟合值 |
显示回归拟合 |
残差 |
显示因变量的回归残差 |
残差分析 |
显示因变量的标准化残差:
通常情况下,ei’近似服从均数为0,方差为1的标准正态分布。超过正态分布±1.96σ(P=0.05)的样品属于离群值,表明其回归拟合值的偏差具有显著意义。 |
杠杆值 | 显示因变量的杠杆值(图11‑26-4),该值越高,则表示对应样品对回归结果的影响越大。 |
表4)自变量假设检验与评价。详见12.14多元线性回归。
表头名称 | 说明 |
---|---|
自变量 | 自变量的编号及化合物名称 |
t检验值 | 假设检验的t统计量 |
显著性 | 自变量的显著性,通常应<0.01或0.05 |
排序 | 按所有自变量的重要程度由大到小的排序 |
残差分析 | 自变量的回归残差分析(图11‑26-3) |
表5)自变量的逐步回归法筛选。详见12.14多元线性回归。
表头名称 | 说明 |
---|---|
步骤 | 当前逐步回归的步骤序号 |
引入自变量 | 在当前步骤中引入的自变量名称或编号(P≤αin) |
剔除自变量 | 在当前步骤中引入的自变量名称或编号(P≥αout) |
忽略自变量 | 在当前步骤中忽略的自变量名称或编号(P≥αin) |
自变量个数 | 当前步骤中回归方程的自变量个数 |
t | 当前步骤所涉及自变量的t统计量 |
P | 当前步骤所涉及自变量的t检验显著性 |
逐步回归的参数可在对话框中设置,单击更新模型按钮将计算或更新当前的逐步回归结果。根据引入自变量的不同,回归方程及相关结果也将同时更新。
项目名称 | 选项 |
---|---|
入选检验水平αin | 0.05, 0.10, 0.15, 0.20, 0.30 |
剔除检验水平αout | 0.05, 0.10, 0.15, 0.20, 0.30 |
表6)未知样品回归预测结果。如果样品中包括因变量Y未知的样品,则显示对应的回归预测结果。未知样品的设定方法详见11.1.3导入样品支持数据。