更多精彩内容请关注211统计课堂!
上期小统带大家学习了经典线性回归模型之描述性统计及图形分析;今天我们继续学习Pearson相关分析及多元线性回归分析。
1、Pearson相关分析上表展示的是变量Y与X1和X2的 Pearson相关系数结果:能够看出,Y与X1之间的相关系数为0.4574,大于0,可见二者之间呈现正向的相关关系,并且其相应的P值为.0003,小于0.05,可见在5%的显著性水平下,两个变量之间的相关程度能够很好的反映总体Y与X2的相关系数为0.2441,大于0,二者之间呈现正向的相关关系,且相应的P值为0.0672,大于0.05,小于0.10,可见在10%的显著性水平下,这两个变量之间的相关程度也能够较好的反映总体。虽然Y与X1和X2之间存在正向的相关关系,但是要判断具体的影响程度,还需要通过构建线性回归模型进行分析。2、多元线性回归分析上表展示的是回归分析的估计结果:能够看出,变量1对应的估计系数为5.09*10^(-7),经过T检验对应的统计值为3.2548,相应的P值为0.0020,小于0.05,可见在5%的显著性水平下,该自变量对因变量的影响是显著的;变量X2的估计系数为0.0001,T统计值为0.5636,相对应的P值为0.5754,大于0.05,可见在5%的显著性水平下,2对因变量Y的影响并不显著。两个变量的经济意义解释为:在保持另一个变量不变的情况下,X1每增加一个单位,Y平均增加5.09*10^(-7)个单位;且在保持另一个变量不变的情况下,X2每增加一个单位,Y平均增加0.0001个单位。该方程对应的修正后的拟合优度为0.1847,与1相距较大,可见该方程的拟合程度相对较差,并且其F统计值为7.340,相应的P值为0.0015,小于0.05,可见在5%的显著性水平下自变量整体对因变量的影响是显著的。
未完待续
点一下在看再走吧