SPSS做岭回归

貌似最佳尺度回归属于分类回归，即适合于分类变量的回归，对于数值型变量合适吗？

貌似没人解答出来，首先，“stistics中选中Collinearity Statistics就可以了啊”适用的不是岭回归而是直接的线性回归；其次，“回归——》最优尺度——》规则化里面有岭回归的”适用的是分类变量。楼主要的是岭回归之后的VIF吧！

一平大雄 发表于 2013-8-1 01:09
貌似没人解答出来，首先，“stistics中选中Collinearity Statistics就可以了啊”适用的不是岭回归而是直接的 ...

正解，楼主要的岭回归后输出VIF，以检验共线性是否消除

doctor1985 发表于 2009-12-4 13:19
支持8楼，回归——》最优尺度——》规则化里面有岭回归的，不用那么麻烦了spss18里面已经比较完善了

可是没有常数项，这样做出来的

1、做多自变量的线性回归，在统计量面板内选：共线性诊断（L）；
2、如结果中的方差膨胀系数（VIF）>5，则可做岭回归分析；
3、新建语法编辑器，输入如下命令：
INCLUDE '安装目录\Ridge regression.sps'. RIDGEREG DEP=因变量名 /ENTER = 自变量名（用空格分开）
/START=0 /STOP=1[或其它数值] /INC=0.05[或其它搜索步长]
/K=999 .
4、选择运行全部，得到各自变量岭迹图和决定系数R2与K值的关系图，在图上作参考线，取一岭迹平稳并且R2值较大的平衡点的K值；
5、将语法编辑器中的K值改为所选K值，再运行全部，得到详细的最终模型参数。