分位数回归
回归是定量建模中广泛使用的一种统计方法。 多重线性回归是一种基本的标准方法，其中研究人员使用多个变量值来说明或预测标度结果的平均值。 但是，在许多情况下，我们更关心标度结果的中位数或任意分位数。
分位数回归对一组预测变量（自变量）与目标变量（因变量）的特定百分位数（即“分位数”，通常是中位数）之间的关系建模。 与“普通最小平方”回归相比，其有两个主要优势：
- 分位数回归不会假设目标变量的分布。
- 分位数回归趋向于抑制偏离观测值的影响
分位数回归广泛用于行业研究，例如，生态、保健和金融经济。
- 示例
- 家庭总收入与收入的食品支出比例之间的关系是什么？ 恩格尔定律是经济观测结果，其揭示随着收入增长，收入的食品支出比例下降，即使据对食品开支越来越高。 通过对这些数据应用分位数回归，您可以确定哪些食品支出涵盖 90% 的家庭（对于具有给定收入的 100 个家庭），而不关注平均食品费用。
- 统计信息
- 分位数回归、单工方法、Frisch-Newton 内点非线性优化算法、Barrodale and Roberts、Bofinger、Hall Sheather、带宽、显著性水平、矩阵运算、收敛准则、回归权重、截距项、预测目标、预测残值、制表、预测图、参数估计、协方差矩阵、相关性矩阵、观测值和置信区间
分位数回归数据注意事项
- 数据
- 需要单个数值因变量。 目标变量需要连续变量。 预测变量可以是连续变量或分类预测变量的虚拟变量。 需要截距项或至少一个预测变量才能运行分析。
- 假定
- 分位数回归不假定目标变量的分布，并且可抑制偏离观测值的影响。
- 相关过程
- 分位数分析与普通最小平方回归相关。
获取分位数回归分析
此功能需要 SPSS® Statistics Standard Edition 或回归选项。
- 从菜单中选择：
此对话框允许您指定要用于分位数回归分析的目标，因子，协变量和权重变量。 此对话框还提供针对复杂分析或大型数据集节省内存的选项。
- 选择数字目标变量。 仅需要一个目标变量仅可运行分析。 只允许数值变量。
- （可选）选择一个或多个因子变量。 不允许标度变量。
- （可选）选择一个或多个协变量。 不允许字符串变量。注: 当 因子 和 协变量 列表都为空，并且在 "模型" 对话框上选择了 在模型中包含截距 时，将显示以下消息:
No effects have been specified. Therefore, an intercept only model will be fit. Do you want to fit an intercept-only model? - （可选）选择回归权重变量。 不允许字符串变量。
- （可选）选择针对复杂分析或大型数据集节省内存。 此设置控制在处理期间是否将数据保存在外部文件中。 启用设置有助于在运行复杂分析或大型数据集分析时节约内存资源。
此过程将粘贴 QUANTILE REGRESSION 命令语法。