关键词：spss岭回归分析结果, spss岭回归,spss如何做岭回归

岭回归的共线性的处理

语法：

INCLUDE ‘ C:\Program Files\SPSS\Ridge Regression.sps’

ridgereg enter=自变量列表

/dep=因变量名

/start=K值起始值，默认为0

/stop= K值终止值，默认为1

/inc=K值搜索步长，默认为0.05

/k=允许搜索的K值个数，默认为999

岭回归 spss步骤步骤：

• 打开需要处理的数据文件；
• 执行file/new/syntax，并根据上述的语法格式写入程序；
• 点击“syntax”窗口上的播放箭头，或者执行“Run/all”

例题分析（摘自张文彤《高级教程》）

例6.3现测得22例胎儿的身长、头围、体重和胎儿受精周龄，具体数据见文件ridgereg.sav。研究者希望能建立由前三个外形指标推测胎儿周龄的回归方程。(陈峰《医用多元统计分析方法》P46)

程序：

INCLUDE ‘ C:\Program Files\SPSS\Ridge Regression.sps’

ridgereg enter=long touwei weight

/dep=y

/inc=0.01.

spss岭回归分析结果：–例题解析以及结果分析

可见当k=O.04~O.06时，回归系数开始趋于稳定。如选择k=0.05，则三个变量的系数分别为0.317746、O.1 113和0.537 699，可写出方程如下:zy=0.311 746 xzlong+0.111 3 xztouwei+0.537 699 xzweight相应的决定系数为0.949 32，虽然没有原方程的0.975 42高，但方程中三个变量的系数均为正，符合专业知识。也就是说，岭回归通过丢弃少量的信息，换来了方程系数的合理估计。

图6.6为将不同k值时各变量的回归系数连成的曲线，该曲线被形象地称为岭迹（Ridge Trace)，这就是岭回归名称的由来。可见当k到达0.05附近时，三条岭迹都开始变得平稳，这和前面的结论相一致。

图6.7为不同k值时决定系数的下降情况，为了便于观察，笔者在k=0.05处添加了一条参考线，可见决定系数一开始明显下降，但当k超过0.05后，决定系数一直处于缓慢下降中，没有出现明显的波动。图6.7反映出的信息也支持前面做出的结论。

转载请注明：数据分析 » 岭回归的共线性的处理_岭回归 spss步骤