常用統(tǒng)計分析軟件SPSS第一頁，共七十二頁，2022年，8月28日0序言0.1統(tǒng)計分析軟件的一般特點1）功能全面，系統(tǒng)地集成了多種成熟的統(tǒng)計分析方法；2）有完善的數據定義、操作和管理功能；3）方便地生成各種統(tǒng)計圖形和統(tǒng)計表格；4）使用方式簡單，有完備的聯機幫助功能；5）軟件開放性好，能方便地和其他軟件進行數據交換。第二頁，共七十二頁，2022年，8月28日0.2軟件名稱StatisticalPackageforSocialScienceStatisticalProductandServiceSolutions0.3軟件發(fā)展60年代：美國斯坦福大學三位研究生研制70年代：SPSS總部成立于芝加哥，推出SPSS中小型機版—SPSSX80年代：微機版（V1-3）SPSS/PC+90年代：Windows版（v5-11）2003年：Windows版（v12）第三頁，共七十二頁，2022年，8月28日1.1基本窗口1）數據編輯窗口（dataeditor）運行SPSS，自動打開，運行過程中無法關閉；功能：對SPSS的數據進行定義、錄入、修改、管理等基本操作的窗口；包含數據視圖工作表（dataview）和變數視圖工作表（variableview）兩部分。組成：窗口主菜單（Data,Transform,Analyze,Graphs）、工具欄、數據編輯區(qū)、狀態(tài)顯示區(qū)；1SPSS基礎第四頁，共七十二頁，2022年，8月28日SPSS中各統(tǒng)計分析功能都是針對該窗口中的數據進行的；窗口中的數據以.sav存于磁盤上。2）輸出窗口（SPSSviewer）

功能：統(tǒng)計分析報表及圖形輸出窗口；組成：窗口主菜單、工具欄、結果顯示區(qū)、狀態(tài)顯示區(qū)；在進行第一次分析時自動打開，也可手工打開；可以手工打開若干個可相互切換的viewer窗口；輸出窗口可以關閉；狀態(tài)欄上的“+”表示當前輸出窗口；窗口內容以.spo存于磁盤上。第五頁，共七十二頁，2022年，8月28日SPSS的主菜單1File文件操作2Edit編輯3View視圖4Data數據5Transform數據轉換6Analyze統(tǒng)計分析7Graph圖表8Utilities實用程序9Windows窗口10Help幫助第六頁，共七十二頁，2022年，8月28日2.1建立SPSS數據文件1)數據文件的特點SPSS數據文件是一種有結構的數據文件。數據文件的每一行代表一個個體(case)。每一列代表一個變數(variable)。在數據視圖工作表(dataview)中可以輸入和編輯數據，但不能輸入數學表達式和函數。SPSS數據文件更常用讀（導）入其它格式的數據文件，如.xls,.txt等（稍后再論）。2SPSS數據編輯第七頁，共七十二頁，2022年，8月28日在變數視圖工作表（variableview）中可對變數進行定義。變數名(variablename)，是變數操控的標志;變數類型(type)，分數值型、字符型、日期型等。顯示寬度(width)，數值型默認寬度8.2，如：12345678、12345.67、-1234.56。字符型字符長度默認8位。注意：顯示寬度不影響數據實值。第八頁，共七十二頁，2022年，8月28日變數標簽(Variablelabel),對變數名進行標記，以便在結果輸出時方便閱讀。變量標簽(Valuelabel),用于注釋變量值，方便分類變量的輸入和顯示。列格式(ColumnFormat),顯示數據工作表列的寬度。缺失值(MissingValues)限定數據的范圍。變數尺度(Measurement),分Scale（數值型）、Ordinal（序數型）、Nominal（名稱型），在分類匯總等運算中有用。第九頁，共七十二頁，2022年，8月28日2)數據的錄入和保存打開數據視圖工作表，可輸入、編輯數據，可進行定位、查找、替換等操作。插入個體：在主菜單的edit欄，有insertcases項。刪除時用edit中的cut即可。插入變數：在主菜單的edit欄，有insertvariables項。刪除時用edit中的cut即可。數據單元的移動和復制在同一（或不同）數據視圖工作表中進行，剪切、復制、粘貼，也可與其它數據文件所共用（但須注意變數定義格式的一致性）。保存：存貯成filename.sav格式。第十頁，共七十二頁，2022年，8月28日3)與其他軟件數據共享在SPSS13可以直接讀入許多常用格式的數據文件（*.sav,systat,EXCEL,Lotus,SYLK,Dbase,Access,txt,dat,csv）等。使用數據庫查詢打開。利用數據庫ODBC接口讀取數據文件。使用文本導入向導讀入文本文件。更常用復制、粘貼。第十一頁，共七十二頁，2022年，8月28日第十二頁，共七十二頁，2022年，8月28日2.2SPSS數據的初步整理1)排序個體排序（sortcases）將所有個案按照用戶指定的某一個或多個變數的變量值的升序或降序重新排列。變數排序(sortvariables)。查找重復個體（identifyduplicated）。查找異常值(identifyunusualcases)。第十三頁，共七十二頁，2022年，8月28日2）選取選取個體（gotocase）,選取變數（gotovariable）。3）個體選取(selectcases)個案選取有多種方式，選取的個體可另存數據文件。4）插入插入個體（insertcases），插入變數（insertvariable）。5）刪除使用cut即可。第十四頁，共七十二頁，2022年，8月28日6）查找、替換Find,replace.7)數據轉置(transpose)將數據行列互換。8)重組(restructure)將數據按某種要求重新組織。第十五頁，共七十二頁，2022年，8月28日9)文件合并(mergefile)將兩個SPSS數據文件合并到一個數據文件中?？v向合并（addcases）、橫向合并（addvariables）。10)數據加工計算變量、產生計數變量、分類匯總、數據分組；11)數據文件的其他處理功能指定加權變數、變數集的定義和使用。第十六頁，共七十二頁，2022年，8月28日2.3SPSS函數所有軟件都有函數計算，SPSS也不例外，SPSS能夠實現一定的函數計算。在主菜單transform欄，有computevariable…項，可進行變數的函數計算。根據函數功能和處理的變量類型，SPSS函數大致可以分成八大類：算術函數、統(tǒng)計函數、分位數函數、邏輯函數、字符串函數、缺失值函數、日期函數和其他函數。第十七頁，共七十二頁，2022年，8月28日算術函數（1）函數名功能舉例Abs(算術表達式)求絕對值Abs(sr－850):分別計算每個個案變量sr與850差的絕對值Sqrt(正數)求平方根sqrt(4):函數值＝2Sin(弧度)求正弦值Sin(30*3.14/180):函數值＝0.50Cos(弧度)求余弦值Cos(60*3.14/180):函數值＝0.50Exp(算術表達式)求e的若干次冪Exp(5):函數值＝148.41Ln(算術表達式)求以e為底的自然對數值Ln(sr):分別計算每個個案變量sr的自然對數值第十八頁，共七十二頁，2022年，8月28日算術函數（2）函數名功能舉例Lg10求以10為底的對數值Lg10(5):函數值=0.7Rnd求四舍五入后的整數Rnd(2.66):函數值=3.0Trunc求截去小數部分后的整數Trunc(4.7):函數值=4Mod求除以常數后的余數Mod(20,3):函數值=2第十九頁，共七十二頁，2022年，8月28日SPSS函數還有：CDF&NoncentralCDF(累積概率函數),Conversion（轉換）,currentdate/time,datearithmetic,dateextraction,datecreation,inverseDF(將概率轉化換為正態(tài)離差等),PDF&noncentralPDF(概率密度函數),Search（求極值、平均數等）,Randomnumbers（產生各類隨機數）,Statistics（計算方差、協方差等）,Significance(卡方、F分布的臨界值計算),……等。第二十頁，共七十二頁，2022年，8月28日3描述性統(tǒng)計分析3.1描述性統(tǒng)計(descriptivestatistics)1）頻數分布分析頻數分布分析主要通過頻數分布表、條圖和直方圖，以及集中趨勢和離散趨勢的各種統(tǒng)計量，描述數據的分布特征。計算頻率分布表，繪制統(tǒng)計圖形。上述方法適用于定序、定類、定距類型數據。步驟：【Analyze】，【DescriptiveStatistics】，【Frequences】第二十一頁，共七十二頁，2022年，8月28日2)描述性統(tǒng)計分析（Descriptives）主要計數變量的個數，計算最大、最小、極差、平均數、標準差、方差、偏度系數和峰度系數等。3)擴展性統(tǒng)計分析（explore）除了具有以上描述性統(tǒng)計有關的統(tǒng)計數的計算外，還有百分位、方柱圖、莖葉圖（箱形圖）等的計算。第二十二頁，共七十二頁，2022年，8月28日4)列聯表（Crosstabs）這是一種兩項分組的次數分布表，有一定的作用。5)比例（ratio）計算兩個或多個變數的比值（V1/V2）。6)P-PPlot,Q-Qplot察看兩個變數百分位數之間的關聯情況。第二十三頁，共七十二頁，2022年，8月28日3.2平均數比較(comparemeans)平均數比較主要涉及假設測驗的內容，這將在后續(xù)章節(jié)再論。而有關變數描述性統(tǒng)計的內容，也能在means過程實現。1)平均數(means)2)單樣本t測驗(one-samplettest)3)成組比較(independentsamplesttest)4)成對比較(pairedsamplesttest)5)單向分組方差分析(one-wayANOVA)第二十四頁，共七十二頁，2022年，8月28日4常用統(tǒng)計圖統(tǒng)計圖是用點、線、面等各種幾何圖形表達統(tǒng)計數據的一種形式，其特點是簡明生動，形象具體、通俗易懂且又一目了然。SPSS具有較強的制圖功能，可以繪制多種統(tǒng)計圖形，這些圖形可以由各種統(tǒng)計分析過程產生，也可以直接由菜單“Graphs”圖形菜單產生。SPSS軟件系統(tǒng)提供了許多產生統(tǒng)計圖形的方法。常用的統(tǒng)計圖有條形圖（barchart）、餅圖（piechart）、線圖（linearchart）和直方圖（histogram）等。第二十五頁，共七十二頁，2022年，8月28日4.1條形圖條形圖一般用于分類資料，主要適用于彼此獨立的資料互相比較。例：某水稻雜種第二代植株米粒性狀的分離情況如下表，請繪制性狀分離條形圖。屬性分組次數紅米非糯96紅米糯稻37白米非糯31白米糯稻15第二十六頁，共七十二頁，2022年，8月28日【Graphs】【Bar…】對話框選項說明〖Simple〗－－簡單條形圖〖Clustered〗－－分組（類）條形圖〖Stacked〗－－堆積圖（分段條形圖）〖Summariesforgroupscases〗－觀察值分類描述模式，即對變量中的觀察值進行分組后繪圖?！糞ummariesofseparatevariables〗－變量描述模式，即對每個變量生成一個條形圖?！糣aluesofindividualcases〗－觀察值描述模式，即對應分類軸變量中的每一觀察值生成一個條形圖。第二十七頁，共七十二頁，2022年，8月28日4.2復式條形圖下表為幾種動物性食品的營養(yǎng)成分，試繪制復式條形圖。品名蛋白質脂肪糖類無機鹽水分其他牛奶3.3450.787

牛肉19.29.2

162.18.5雞蛋11.99.31.20.965.511.2咸帶魚15.53.71.8102940第二十八頁，共七十二頁，2022年，8月28日分析過程：【Graphs】,【LegacyDialog】;〖Clustered〗－分組（類）條形圖;選擇觀察值描述模式〖ValuesofIndividualCases〗;單擊【Define】;得到DefineClusteredBar對話框;將脂肪等數值變數選入〖BarsRepresent:〗框;將品名選入〖CategoryLabels〗框;〖OK〗。第二十九頁，共七十二頁，2022年，8月28日4.3散點圖散點圖就是將兩個變數的n對觀察值分別以坐標點的形式標記于同一直角坐標的平面上?？捎蒣graphs],[legacydialogs],[scatter/dot]也可由[graphs],[chartbuilder],[scatter/dot]過程實現。例：研究某種昆蟲孵化歷期平均溫度（℃）與歷時天數（d）之間關系，試制作線圖。平均溫度（℃）11.814.715.616.817.118.819.520.4歷時天數（d）30.117.316.713.611.910.78.36.7第三十頁，共七十二頁，2022年，8月28日4.4線圖線圖是反映連續(xù)性雙變數資料關系的主要圖形。這可由[graphs],[chartbuilder],[line]，或：[graphs],[legacydialogs],[line]過程實現。4.5復式線圖畫多條線圖。過程與上相似：[graphs],[legacydialogs],[line]第三十一頁，共七十二頁，2022年，8月28日4.6直方圖（柱形圖、矩形圖）直方圖適用于表示連續(xù)性資料（計量資料）的次數分布。【Graphs】【Histogram】SPSS系統(tǒng)根據原始數值的最大值和最小值自動對變量分組，畫出直方圖。如果要修改組數等，可以在圖形編輯窗口中改變。或在打開【histogram】對話框后，再開啟setparameters對話框。調節(jié)‘numberofinterval’對圖形作出適當的改變。第三十二頁，共七十二頁，2022年，8月28日5平均數的假設測驗5.1統(tǒng)計假設測驗概述統(tǒng)計推斷（statisticalinference），是根據統(tǒng)計數的分布和概率理論，由樣本結果（統(tǒng)計數）來推論總體特征（參數）。統(tǒng)計推斷的基本內容：有假設測驗(hypothesistest)和參數估計(parameterestimation)兩個內容。統(tǒng)計假設測驗是指根據某種實際需要，對未知總體提出一些假設（這些假設通常構成完全事件系），計算在假設條件下出現實際樣本的概率，作出接受某種假設（顯著性）的判斷。第三十三頁，共七十二頁，2022年，8月28日5.2單樣本的t測驗平均數的假設測驗主要通過[comparemeans]實現。以測驗實得樣本平均數與指定的檢驗值之間是否存在顯著差異。步驟：【Analyze】，【Comparemeans】，【Onesamplettest】第三十四頁，共七十二頁，2022年，8月28日例1：測定某稻田的地表光強4次，得結果為3.4，2.8，3.5，4.1(千勒克斯)，試測驗該結果與根據Beer-Lambert定律推出的理論值是否有顯著差異。例2.隨機抽查了一個小麥新品系10個樣點的千粒重分別是37.2，37.8，38.4，39.3，51.3，46.4，38.9，37.5，49.5。問與43克的標準值有無顯著差異？

第三十五頁，共七十二頁，2022年，8月28日5.3兩獨立樣本的t測驗根據兩獨立樣本數據，對是否有顯著差異進行測驗。步驟：【Analyze】，【CompareMeans】，【Independent-samplettest】。待分析的數據需置于同一列（同一變數），但需用一個分組變數將其區(qū)分。分析時首先檢驗兩樣本方差同質性，方差不同質時用unequal行的t

測驗結果。方差同質，看equal行的t

測驗結果（不能自動判斷，或給出優(yōu)先結果，這是SPSS眾多缺陷中的一個）。第三十六頁，共七十二頁，2022年，8月28日例1：測定前作噴灑過某種有機砷殺雄劑的麥田植株樣本4次，得株體中的砷殘留量為7.5，9.7，6.8，6.4(毫克)；測定對照(前作未用過有機砷殺雄劑)的植株樣本3次，得株體中砷含量為4.2，7.0，4.6。試測驗噴灑有機砷殺雄劑是否使后作株體的砷含量顯著增高。例2：為比較甲、乙兩地生產的棉花所紡紗線的強力，各抽取7個和8個樣本進行測量，得數據如下（單位：公斤）甲地：1.551.471.521.601.431.531.54乙地：1.422.492.461.341.381.541.381.51問兩種棉花所紡紗線的強力有無顯著差異？

第三十七頁，共七十二頁，2022年，8月28日簡明分析步驟：【Analyze】【CompareMeans】【Independent-SamplesTTest】TestVariable[s]框：砷殘留量GroupingVariable框：樣本Definegroups…Group1：鍵入1Group2：鍵入2ContinueOK第三十八頁，共七十二頁，2022年，8月28日5.4成對比較t

測驗對配對樣本是否有顯著差異進行測驗。如兩種處理施行在基礎條件相對一致的個體（或群體）上，其效應的差異是否達到顯著。這在許多研究中經常采用。兩樣本數據必須兩兩配對，即：樣本個數相同，個案順序相同。步驟：【Analyze】，【CompareMeans】，【Paired-samplettest】第三十九頁，共七十二頁，2022年，8月28日例：為測定A、B兩種病毒對煙草的致病力，取8株煙草，每一株皆半葉接種A病毒，另半葉接種B病毒，以葉面出現枯斑數的多少作為致病力強弱的指標，得結果于下表。試測驗兩種病毒致病力的差異顯著性。

株號病毒A（Y1j）病毒B（Y2j）1910217113311841814576687720178105第四十頁，共七十二頁，2022年，8月28日簡明分析步驟：【Analyze】，【CompareMeans】，【Paired-SamplesTTest】PairedVariables框：病毒a－病毒bOK第四十一頁，共七十二頁，2022年，8月28日6方差分析6.1方差分析基本概念方差分析將多組數據作為一個整體，將總變異分解成各個變異來源的平方和自由度，估計各個變異來源的方差，利用F測驗鑒別組間差異的顯著性。這是最廣為應用的數據統(tǒng)計分析方法。在SPSS中，用于方差分析的過程主要是means和univariate兩個過程，前者主要為單向分組資料，后者為兩向分組（或多因素）資料。第四十二頁，共七十二頁，2022年，8月28日6.2單向分組資料的方差分析多個處理(樣本)平均數間的差異是否顯著?例1：一水稻施肥試驗，設5個處理：A、氨水，B、廢氨水，C、碳酸氫銨，D、尿素，E、不施肥。每處理4盆，完全隨機設計。其稻谷產量見下表，試測驗各處理平均數的差異顯著性。處理觀察值A24302826B27242126C31282530D32333328E21221621第四十三頁，共七十二頁，2022年，8月28日簡明分析步驟：【Analyze】，【CompareMeans】，【One-WayANOVA】或【Analyze】，【CompareMeans】，【means】DependentList框：產量Factor框：組別Options√DescriptiveContinueOK第四十四頁，共七十二頁，2022年，8月28日例2．下表為某職業(yè)病防治院對31名石棉礦工中的石棉肺患者、可疑患者和非患者進行了用力肺活量（L）測定的數據，問三組石棉礦工的用力肺活量有無差別。

石棉肺患者1.81.41.52.11.91.71.81.91.81.82可疑患者2.32.12.12.12.62.52.32.42.4非患者2.93.22.72.82.733.433.43.33.5第四十五頁，共七十二頁，2022年，8月28日6.3方差分析中的多重比較如果F測驗差異，并不能說明處理間均存在顯著差異。多重比較將進行兩兩處理間的均值比較檢驗。常用方法有：LSD，實際上就是t檢驗的變形，只是在變異和自由度的計算上利用了全試驗誤差信息。DMRT,Duncan氏新復極差測驗法。Q,Tukey氏固定極差測驗法。DLSD,Dunnett氏最小顯著差數測驗法，等。實現手段:【PostHoc…】，再行選擇。第四十六頁，共七十二頁，2022年，8月28日6.4多因素方差分析試驗因素有固定因素（FixedFactor）與隨機因素（RandomFactor）之分。前者指試驗因素的k個處理（水平）是經過特意選擇的。后者指試驗因素的k個處理（水平）是從該因素總體中隨機抽出的（處理）樣本。對于固定模型資料，重在效應的比較分析，對于隨機模型資料，重在處理（水平）間變異度的評價。第四十七頁，共七十二頁，2022年，8月28日例1．將一種生長激素配成M1,M2,M3,M4,M5,5種濃度，并用H1,H2,H3,3種時間浸漬某大豆品種的種子，45天后得各處理每一植株的平均干物重（克）于下表，試作方差分析。

MiHjH1H2H3M1131414M2121213M3333M410910M5254第四十八頁，共七十二頁，2022年，8月28日【Analyze】,【GeneralLinearModel】,【Univariate】DependentVariable框：干物質重FixedFactor[s]框：激素濃度、浸種時間Model…⊙CustomModel框：激素濃度、浸種時間ContinuePostHoc…√LSDContinueOK第四十九頁，共七十二頁，2022年，8月28日例2.施用A1、A2、A33種肥料于B1、B2、B33種土壤，以小麥為指示作物，每處理組合種3盆，得產量結果(g)于下表。試作方差分析。

肥料種類(A)土壤種類(B)B1(油砂)B2(二合)B2(白僵)A121.419.617.621.218.816.620.116.417.5A212.013.013.314.213.714.012.112.013.9A312.814.212.013.813.614.613.713.314.0第五十頁，共七十二頁，2022年，8月28日簡明分析步驟:【Analyze】,【GeneralLinearModel】,【Univariate】DependentVariable框：產量FixedFactor[s]框：肥料種類、土壤種類。PostHoc…√LSDContinueOK第五十一頁，共七十二頁，2022年，8月28日6.5隨機區(qū)組試驗方差分析在相對均勻一致的局部隨機安排一套處理，形成一個區(qū)組，這種類型的試驗稱為隨機區(qū)組試驗。例：將水稻的3個不同細胞質源的不育系(A1,A2,A3)和5個恢復系(B1,B2,B3,B4,B5)雜交，配成15個F1。采用隨機區(qū)組設計，重復2次，小區(qū)計產面積6米2，得產量結果見下表，進行分析。第五十二頁，共七十二頁，2022年，8月28日處理區(qū)組Ⅰ區(qū)組ⅡA1B14.34.1B24.94.8B33.93.6B44.84.0B54.74.5A2B15.24.7B25.05.2B33.83.4B44.94.8B55.05.8A3B14.64.7B24.44.2B33.53.4B43.43.6B53.74.2二因素隨機區(qū)組試驗數據表第五十三頁，共七十二頁，2022年，8月28日【Analyze】，【GeneralLinearModel】，【Univariate】DependentVariable框：產量FixedFactor[s]框：不育系、恢復系、區(qū)組Model…⊙CustomModel框：區(qū)組、不育系、恢復系、不育系×恢復系。ContinuePostHoc…√LSDContinueOK第五十四頁，共七十二頁，2022年，8月28日6.6協方差分析協方差分析是將回歸分析和方差分析相結合的一種統(tǒng)計分析方法，其主要的功用是對試驗誤差進行統(tǒng)計控制。將無法或很難控制的因素作為協變數，利用線性回歸排除協變數的影響，使目標變數的分析更精確。協方差分析的主要功用：測驗多個回歸系數bi的差異顯著性；矯正處理平均數并測驗其差異顯著性；作出不同變異來源的相關分析。第五十五頁，共七十二頁，2022年，8月28日例：為研究A、B、C三種肥料對于蘋果的增產效果，選了24株同齡的蘋果樹，第一年記下各樹的產量（X，公斤），第二年將每種肥料隨機施于8株蘋果上，再記下其產量（Y，公斤）。得結果于下表，試作分析。

肥料觀察值（X，Y）AX4758534649565444Y5466635156666150BX5253645859616366Y5453676262636469CX4448465059575853Y5258546170646866第五十六頁，共七十二頁，2022年，8月28日【Analyze】，【GeneralLinearModel】，【Univariate】DependentVariable框：施肥產量FixedFactor[s]框：分組變量Covariate[s]框：初始產量Options√DescriptiveStatisticsDisplaymeansfor框：分組變量√CompareMaineffectsContinueOK第五十七頁，共七十二頁，2022年，8月28日7回歸和相關分析7.1一元線性回歸分析回歸分析用于描述變數之間的數量關系，確定一個或幾個自變數對一個依變數的影響程度。一元線性回歸方程：Y=a+bX回歸方程的顯著性測驗，測驗自變數與依變數之間的線性關系是否顯著，測驗方法有t

測驗和F測驗兩種方法。一元回歸時，F測驗與t測驗等價，即:F=t2，兩種測驗可以相互替代。第五十八頁，共七十二頁，2022年，8月28日例：許多害蟲的發(fā)生都和氣象條件有一定的關系。山東臨沂測定1964~1973年(共年)間月下旬的溫雨系數(雨量mm/平均溫度℃)和大豆第二代造橋蟲發(fā)生量(每百株大豆上的蟲數)的關系如下表，試建立回歸方程。

步驟：【Analyze】，【Regression】，【Linear】溫雨系數(X)蟲口密度(Y)溫雨系數(X)蟲口密度(Y)1.581802.411759.982811.01409.42251.851601.251176.041200.301655.9280第五十九頁，共七十二頁，2022年，8月28日7.2相關分析相關分析旨在測度變數間關系的性質和密切程度。以相關系數(r)體現兩個變數間的線性關系程度。r：[-1,+1]；r=1：完全正相關；r=-1：完全負相關；r=0：無線性相關。說明：相關系數只是較好地度量了兩個變數間的線性相關程度，不能描述非線性關系。步驟:【Analyze】，【Correlate】，【Bivariate】第六十頁，共七十二頁，2022年，8月28日7.3多元線性回歸分析多元回歸方程：Y=b0+b1x1+b2x2+...+bkxkb1、b2、bk為偏回歸系數。b1表示在其他自變量保持不變的情況下，自變量x1變動一個單位所引起的依變數Y的平均變動。多元線性回歸分析的主要內容：回歸方程的測驗，自變數的篩選。第六十一頁，共七十二頁，2022年，8月28日自變數篩選法：Enter：所選擇的自變數將全部進入建立的回歸方程中，該項為默認方式。Remove：將進入方程中的自變數剔除。Forward：向前篩選法，是自變數不斷進入回歸方程的過程。Backward：向后篩選法，是自變數逐步剔除出回歸方程的過程。Stepwise：逐步篩選法，是“向前法”和“向后法”的結合。第六十二頁，共七十二頁，2022年，8月28日例.測定“豐產3號”小麥的每株穗數（X1）、每穗結實小穗數（X2，主莖）、百粒重（X3，克）、株高（X4，厘米，主莖）和每株籽粒產量（Y，克）的關系，得結果如下表，試選擇Y依X的最優(yōu)線性回歸方程。步驟：【Analyze】，【Regression】，【L