doc/regression.texi

   1 @node REGRESSION
   2 @comment  node-name,  next,  previous,  up
   3 @section REGRESSION
   4
   5 @cindex regression
   6 @cindex linear regression
   7 The REGRESSION procedure fits linear models to data via least-squares
   8 estimation. The procedure is appropriate for data which satisfy those
   9 assumptions typical in linear regression:
  10
  11 @itemize @bullet
  12 @item The data set contains @math{n} observations of a dependent variable, say
  13 @math{Y_1,@dots{},Y_n}, and @math{n} observations of one or more explanatory
  14 variables. Let @math{X_{11}, X_{12}}, @dots{}, @math{X_{1n}} denote the @math{n} observations of the
  15 first explanatory variable; @math{X_{21}},@dots{},@math{X_{2n}} denote the @math{n} observations of the
  16 second explanatory variable; @math{X_{k1}},@dots{},@math{X_{kn}} denote the @math{n} observations of the kth
  17 explanatory variable.
  18
  19 @item The dependent variable @math{Y} has the following relationship to the
  20 explanatory variables:
  21 @math{Y_i = b_0 + b_1 X_{1i} + ... + b_k X_{ki} + Z_i}
  22 where @math{b_0, b_1, @dots{}, b_k} are unknown
  23 coefficients, and @math{Z_1,@dots{},Z_n} are independent, normally
  24 distributed ``noise'' terms with mean zero and common variance. The noise, or
  25 ``error'' terms are unobserved. This relationship is called the
  26 ``linear model.''
  27 @end itemize
  28
  29 The REGRESSION procedure estimates the coefficients
  30 @math{b_0,@dots{},b_k} and produces output relevant to inferences for the
  31 linear model.
  32
  33 @c If you add any new commands, then don't forget to remove the entry in
  34 @c not-implemented.texi
  35
  36 @menu
  37 * Syntax::                      Syntax definition.
  38 * Examples::                    Using the REGRESSION procedure.
  39 @end menu
  40
  41 @node Syntax
  42 @subsection Syntax
  43
  44 @vindex REGRESSION
  45 @display
  46 REGRESSION
  47         /VARIABLES=var_list
  48         /DEPENDENT=var_list
  49         /STATISTICS=@{ALL, DEFAULTS, R, COEFF, ANOVA, BCOV@}
  50         /SAVE=@{PRED, RESID@}
  51 @end display
  52
  53 The @cmd{REGRESSION} procedure reads the active dataset and outputs
  54 statistics relevant to the linear model specified by the user.
  55
  56 The VARIABLES subcommand, which is required, specifies the list of
  57 variables to be analyzed.  Keyword VARIABLES is required. The
  58 DEPENDENT subcommand specifies the dependent variable of the linear
  59 model. The DEPENDENT subcommand is required. All variables listed in
  60 the VARIABLES subcommand, but not listed in the DEPENDENT subcommand,
  61 are treated as explanatory variables in the linear model.
  62
  63 All other subcommands are optional:
  64
  65 The STATISTICS subcommand specifies the statistics to be displayed:
  66
  67 @table @code
  68 @item ALL
  69 All of the statistics below.
  70 @item R
  71 The ratio of the sums of squares due to the model to the total sums of
  72 squares for the dependent variable.
  73 @item COEFF
  74 A table containing the estimated model coefficients and their standard errors.
  75 @item ANOVA
  76 Analysis of variance table for the model.
  77 @item BCOV
  78 The covariance matrix for the estimated model coefficients.
  79 @end table
  80
  81 The SAVE subcommand causes PSPP to save the residuals or predicted
  82 values from the fitted
  83 model to the active dataset. PSPP will store the residuals in a variable
  84 called RES1 if no such variable exists, RES2 if RES1 already exists,
  85 RES3 if RES1 and RES2 already exist, etc. It will choose the name of
  86 the variable for the predicted values similarly, but with PRED as a
  87 prefix.
  88
  89 @node Examples
  90 @subsection Examples
  91 The following PSPP syntax will generate the default output and save the
  92 predicted values and residuals to the active dataset.
  93
  94 @example
  95 title 'Demonstrate REGRESSION procedure'.
  96 data list / v0 1-2 (A) v1 v2 3-22 (10).
  97 begin data.
  98 b  7.735648 -23.97588
  99 b  6.142625 -19.63854
 100 a  7.651430 -25.26557
 101 c  6.125125 -16.57090
 102 a  8.245789 -25.80001
 103 c  6.031540 -17.56743
 104 a  9.832291 -28.35977
 105 c  5.343832 -16.79548
 106 a  8.838262 -29.25689
 107 b  6.200189 -18.58219
 108 end data.
 109 list.
 110 regression /variables=v0 v1 v2 /statistics defaults /dependent=v2
 111            /save pred resid /method=enter.
 112 @end example