如果参数过多,可以通过选择一个步骤自动删除受变量影响较小的变量。
选择共线性诊断以确定多个变量是否相互关联以及关联程度
达文沃森(Durbin-Watson ) DW用于检验回归分析中残差项是否存在自相关)现象
" DEPENDNT " :基于变量
ZPRED :标准化预测值
“ZRESID”:标准化残差
DRESID :删除残差
ADJPRED :调整预测值
“SRESID”:学生化残差
“SDRESID”:学生化删除残差
多宾沃森检测简称dw检测,是目前检测自相关的最常用方法,但仅用于首次自相关检测。
由于自相关系数值在-1和1之间,所以0DW4
另外,DW=O=>; =1具有正自相关性
DW=4<;=>; =-1即存在负自相关性
DW=2<;=>; =0即(一阶)不存在自相关性
因此,DW的值显著接近o或4时存在自相关性,接近2时不存在[一阶]自相关性。 一般越接近2越好,自变量的自相关性不明显,表明模型设计优良。
r方表示模型的拟合度,越接近1越好
显著性表示自变量对因子的影响程度,小于0.05表示有显著性的影响,越小影响越大
用于VIF (公差倒数)共线性诊断(变量之间的关联度)的0
散点图呈线性或喇叭状、波纹状等规律性时存在方差差异,存在方差差异时不能选择多元线性回归,下图呈喇叭状
散点聚集在对角线附近的话,残差遵循正态分布
如果直方图与正态分布曲线一致,则残差与正态分布一致
(如果PS:样本足够大,即使残差不符合正态分布,也不影响模型的稳定性。)