1.案例背景与分析策略 1.1 案例背景介绍 某研究收集到美国50个州关于犯罪率的一组数据，包括人口、面积、收入、文盲率、高中毕业率、霜冻天数、犯罪率共7个指标，现在我们想考察一下州犯罪率和哪些指标有关。 数据上传SPSSAU后，在 “我的数据”中查看浏览原始数据，前5行数据如下： 图1
目录 相关性分析 回归性分析 线性回归模型的介绍 回归系数的求解 R语言中的线性回归 显著性检验 参数的显著性检验——t检验 逐步回归 验证模型的各类假设前提 多重线性检验 正态性检验 使用PP图或QQ图 shapior检验与k-s检验 数学变换 独立性检验 方差齐性检验 模型预测
目录 一、相关性分析与回归分析 二、最小二乘法 三、回归性检验 （1）F检验 （2）t检验 （3）r检验 四、回归系数的置信区间 五、常用的目标函数及其线性化方法 （1）一元线性/非线性 （2）多元线性回归 （3）回归性检验与预测 （4）逐步回归分析 六、matlab命令 七、总结 一、相关性分析与回归分析
R构建逐步回归模型（Stepwise Regression） 目录 R构建逐步回归模型（Stepwise Regression） 逐步回归模型（Stepwise Regression）
原文链接：http://tecdat.cn/?p=19405 包含更多的预测变量不是免费的：在系数估算的更多可变性，更难的解释以及可能包含高度依赖的预测变量方面要付出代价。确实， 对于样本大小，在线性模型中可以考虑 的预测变量最大数量为 p 。或等效地，使用预测变量p 拟合模型需要最小样本量。 如
