Regressione lineare: Statistiche
Sono disponibili le seguenti statistiche:
Coefficienti di regressione - Stime visualizza il coefficiente di regressione B, errore standard di B, coefficiente standardizzato beta, valore t per Be livello di significatività a due code di t. Intervalli di confidenza visualizza gli intervalli di confidenza con il livello di confidenza specificato per ciascun coefficiente di regressione o una matrice di covarianza. Matrice di covarianza consente di visualizzare una matrice di varianza-covarianza dei coefficienti di regressione con le covarianze esterne alla diagonale e le varianze sulla diagonale. Viene inoltre visualizzata una matrice di correlazione.
Adattamento del modello - Le variabili immesse e rimosse dal modello sono elencate e vengono visualizzate le seguenti 'statistiche di bontà dell'adattamento': più R, R 2 e R 2rettificate, errore standard della stima e tabella di analisi della varianza.
Variazione R quadrato - La variazione nella statistica R 2 prodotta aggiungendo o eliminando una variabile indipendente. Se la variazione di R 2 associata ad una variabile è elevata, ciò significa che la variabile è un valido stimolatore della variabile dipendente.
Descrittivo - Fornisce il numero di casi validi, la media e la deviazione standard per ogni variabile nell'analisi. Vengono inoltre visualizzati una matrice di correlazione con un livello di significatività a una coda e il numero di casi per ogni correlazione.
Correlazione della parte La correlazione fra la variabile dipendente e una variabile indipendente dopo che sono stati rimossi dalla variabile indipendente gli effetti lineari delle altre variabili indipendenti nel modello. Correlata alla variazione di R-quadrato quando una variabile viene aggiunta a un'equazione. A volte detta correlazione semiparziale.
Correlazione parziale La correlazione residua fra due variabili, dopo aver rimosso la correlazione dovuta alla loro reciproca associazione alle altre variabili. La correlazione fra la variabile dipendente e una variabile indipendente dopo aver rimosso da entrambe gli effetti lineari delle altre variabili indipendenti nel modello.
Diagnostica della collinearità - La collinearità (o multicollinearità) è la situazione indesiderata in cui una variabile indipendente è una funzione lineare di altre variabili indipendenti. Consente di visualizzare gli autovalori della matrice cross-product scalata e non centrata, l'indice di collinearità e le proporzioni della decomposizione della varianza con i fattori di inflazione della varianza (VIF) e le tolleranze per le singole variabili.
Criteri di selezione - Include il criterio di informazione di Akaike (AIC), il criterio di previsione di Ameniya (PC), l'errore quadratico medio condizionale di Mallows del criterio di previsione (Cp) e il criterio bayesiano di Schwarz (SBC). Le statistiche vengono visualizzate nella tabella Riepilogo modello.
Residui: è possibile selezionare 'Statistica PRESS' da utilizzare come statistica di convalida incrociata per confrontare modelli diversi. Viene inoltre visualizzato il test 'Durban -Watson' per la correlazione seriale dei residui. Scegliere le informazioni di 'Diagnostica per casi' per i casi che soddisfano il criterio di selezione (valori anomali superiori a n deviazioni standard).
Per ottenere le statistiche per una regressione lineare
Questa funzione richiede il modulo Statistics Base.
- Dai menu, scegliere:
- Nella finestra di dialogo Regressione lineare fare clic su Statistiche.
- Selezionare le statistiche desiderate.