統(tǒng)計(jì)分析回歸分析課件演示文稿本文檔共74頁(yè)；當(dāng)前第1頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分研究人員想進(jìn)一步了解各種影響因素各自在多大程度上對(duì)男性胃癌患者在術(shù)后發(fā)生院內(nèi)感染產(chǎn)生影響。想要了解這個(gè)問(wèn)題，既要用到“回歸分析”這一統(tǒng)計(jì)方法。本文檔共74頁(yè)；當(dāng)前第2頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分事物是普遍聯(lián)系的，并且彼此之間是有機(jī)地聯(lián)系著，相互依賴著，相互制約著的。離開(kāi)周圍的事物和條件而孤立地存在的事物是沒(méi)有的。因此，統(tǒng)計(jì)學(xué)在研究某一事件的時(shí)候，就不能只是研究其本身，同時(shí)還要研究其與其它事物之間的相互聯(lián)系，并找出合理的方法確定它們之間的關(guān)系。7.1回歸分析概述本文檔共74頁(yè)；當(dāng)前第3頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分事物或現(xiàn)象之間的相互依存關(guān)系大致可分成兩種，一種是函數(shù)關(guān)系，是一種確定性的關(guān)系，即一個(gè)事物或現(xiàn)象的數(shù)值發(fā)生變化是，與其相關(guān)的事物或現(xiàn)象的數(shù)值也發(fā)生著相對(duì)應(yīng)變化。還有一種是相關(guān)關(guān)系，是指事物或現(xiàn)象之間確實(shí)存在的一定的關(guān)系，但是這種關(guān)系又不能用固定的因果關(guān)系來(lái)描述。與此同時(shí)，雖然相關(guān)關(guān)系并不是確定的，但是從概率學(xué)的意義上來(lái)說(shuō)，彩薔哂泄媛尚緣模對(duì)于這一類的關(guān)系我們可以使用相關(guān)分析和回歸分析來(lái)描述，接下來(lái)將詳細(xì)介紹回歸分析。本文檔共74頁(yè)；當(dāng)前第4頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分回歸分析和相關(guān)分析都是用來(lái)描述相關(guān)關(guān)系的方法，都是用來(lái)度量?jī)蓚€(gè)或兩個(gè)以上的變量之間的關(guān)系的方法，確定變量之間是否存在關(guān)系，這是回歸分析和相關(guān)分析共同的起點(diǎn)。因此從廣義上講，回歸分析是從屬于相關(guān)分析的，但是嚴(yán)格來(lái)將兩者有存在區(qū)別，回歸分析使用數(shù)學(xué)公式的方式來(lái)表示變量之間的關(guān)系，而相關(guān)分析是通過(guò)檢驗(yàn)和度量變量之間關(guān)系的密切程度，兩者相輔相成。7.1.1回歸分析與相關(guān)分析的關(guān)系本文檔共74頁(yè)；當(dāng)前第5頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分所以根據(jù)不同的，可以從不同的角度去分析變量之間的關(guān)系，當(dāng)只是要知道變量之間的關(guān)系的密切程度時(shí)，一般可以同過(guò)求變量間的相關(guān)系數(shù)得到相關(guān)信息，這個(gè)過(guò)程就叫相關(guān)分析。但是如果研究的目的是要確定變量之間數(shù)量關(guān)系的可能形式，找出變量之間的依存關(guān)系的合理的數(shù)學(xué)模型，用數(shù)學(xué)模型來(lái)表示變量之間的關(guān)系，這就叫回歸分析。本文檔共74頁(yè)；當(dāng)前第6頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分要進(jìn)行回歸分析，對(duì)數(shù)據(jù)是有一定的要求的，有學(xué)者提出了，在應(yīng)用多元回歸時(shí)，所分析的數(shù)據(jù)必須符合以下基本假定：（1）正態(tài)性假定（2）因變量的各個(gè)觀察值之間必須是相互獨(dú)立的。（3）各個(gè)自變量之間不能有多元共線性關(guān)系，也就是說(shuō)各個(gè)自變量彼此之間不能有較高的相關(guān)（相關(guān)系數(shù)大于0.700）。（4）線性關(guān)系（5）各個(gè)殘差之間相互獨(dú)立假定（6）殘差的等分散性假定7.1.2回歸分析的對(duì)數(shù)據(jù)的要求本文檔共74頁(yè)；當(dāng)前第7頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分具體地說(shuō)，回歸分析的一般過(guò)程分成四步，分別是：（1）提出回歸模型的假設(shè)（2）獲取數(shù)據(jù)（3）建立回歸方程（4）回歸方程的檢驗(yàn)7.1.3回歸分析的基本步驟本文檔共74頁(yè)；當(dāng)前第8頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分想要了解兩個(gè)變量之間的因果關(guān)系，可用一元線性回歸分析來(lái)得出，例如要知道雛鴨的重量對(duì)50日齡鴨的重量的影響，只要收集到相關(guān)的數(shù)據(jù)就可建立回歸模型，從而由雛鴨的重量大致推斷出50日齡鴨的重量，一下將對(duì)一元線性回歸做詳細(xì)介紹。7.2一元線性回歸分析本文檔共74頁(yè)；當(dāng)前第9頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分當(dāng)只探究一個(gè)自變量和一個(gè)因變量之間的數(shù)學(xué)關(guān)系，同時(shí)兩變量之間為線性關(guān)系時(shí)，所建立的回歸模型為一元線性回歸模型，可用如下公式表示：Y=bX+a7.2.1一元線性回歸的基本概念本文檔共74頁(yè)；當(dāng)前第10頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分【例7.1】在安徽的白鴨的生長(zhǎng)情況研究中，得到如下一組關(guān)于雛鴨重（g）與50日齡鴨重（g）的數(shù)據(jù)，試建立50日齡鴨重（y）與雛鴨重（x）的線性回歸方程。7.2.2實(shí)例分析：雛鴨體重與日齡本文檔共74頁(yè)；當(dāng)前第11頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分1、操作過(guò)程(1)打開(kāi)數(shù)據(jù)文件“鴨重一元回歸案例”。(2)選擇“分析”|“回歸”|“線性”命令。(3)打開(kāi)“線性回歸”對(duì)話框，如下如所示：本文檔共74頁(yè)；當(dāng)前第12頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(4)將上圖中左側(cè)變量列表框中的變量“50日齡鴨重”移入右側(cè)的“因變量”文本框中；變量“雛鴨重”移入右側(cè)的“自變量”文本框中。(5)在“方法”文本框中共有5種方法可選，分別是“進(jìn)入”、“逐步”、“刪除（R）”、“向后”、“向前”（分別對(duì)應(yīng)“強(qiáng)迫進(jìn)入變量法”、“逐步回歸分析法”、“刪除法”、“向后法”和“向前法”）。本利可采用強(qiáng)迫進(jìn)入變量法。本文檔共74頁(yè)；當(dāng)前第13頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(6)單擊“統(tǒng)計(jì)量”按鈕，打開(kāi)如下圖所示的“線性回歸：統(tǒng)計(jì)量”子對(duì)話框。該對(duì)話框中設(shè)置要輸出的統(tǒng)計(jì)量。這里勾選“估計(jì)”、“模型擬合度復(fù)選框”。單擊“繼續(xù)”按鈕，回到“線性回歸”主對(duì)話框中。本文檔共74頁(yè)；當(dāng)前第14頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(7)單擊“繪制”按鈕，打開(kāi)如下圖所示的“線性回歸：圖”子對(duì)話框，在“線性回歸：圖”子對(duì)話框中的“標(biāo)準(zhǔn)化殘差圖”選項(xiàng)組中勾選“正態(tài)概率圖”復(fù)選框，以便對(duì)殘差的正態(tài)分布進(jìn)行分析。單擊“繼續(xù)”按鈕回到“線性回歸”主對(duì)話框。本文檔共74頁(yè)；當(dāng)前第15頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(8)單擊“保存”按鈕，在彈出如下圖所示的“線性回歸：保存”子對(duì)話框右側(cè)的“殘差”選項(xiàng)組中，勾選“未標(biāo)準(zhǔn)化”復(fù)選框，這樣可以在數(shù)據(jù)文件中生成一個(gè)變量名為res_1的殘差變量，以便對(duì)殘差進(jìn)行進(jìn)一步分析。“線性回歸：保存”子對(duì)話框的功能在于將回歸分析的各種結(jié)果所得到的各種預(yù)測(cè)值、殘差值，以及相關(guān)統(tǒng)計(jì)量都以一個(gè)新變量名稱增列在“SPSS數(shù)據(jù)編輯程序”窗口中。該子對(duì)話框是將一些數(shù)據(jù)收集起來(lái)以便進(jìn)一步的分析，在一般的實(shí)際應(yīng)用中，此子對(duì)話框應(yīng)用的機(jī)會(huì)比較少。單擊“繼續(xù)”按鈕，回到“線性回歸”主對(duì)話框。本文檔共74頁(yè)；當(dāng)前第16頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(9)在“線性回歸”主對(duì)話框中單擊“選項(xiàng)”按鈕，打開(kāi)如下圖所示的“線性回歸：選項(xiàng)”子對(duì)話框。此子對(duì)話框的功能在于界定采用逐步回歸分析法時(shí)，選擇進(jìn)入回歸方程式的自變量的準(zhǔn)則，以及是否輸出常數(shù)項(xiàng)（截距）等。在回歸分析程序中，該子對(duì)話框中的選項(xiàng)保持程序默認(rèn)的就可以，不用更改。單擊“繼續(xù)”按鈕，回到主對(duì)話框。本文檔共74頁(yè)；當(dāng)前第17頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(10)在“線性回歸”主對(duì)話框中，單擊“確定”按鈕，完成SPSS操作，輸出結(jié)果。本文檔共74頁(yè)；當(dāng)前第18頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分2、結(jié)果分析(1)選入和刪除的變量在本例中，只有一個(gè)自變量“雛鴨重”，所以如下表所示，在選入的變量中只有“雛鴨重”，沒(méi)有刪除的變量，使用的方法是“選入”。本文檔共74頁(yè)；當(dāng)前第19頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分

本文檔共74頁(yè)；當(dāng)前第20頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(3)方差分析如下表所示為回歸模型的方差分析摘要表，其中的變異量顯著性檢驗(yàn)的F值為213.808，顯著性檢驗(yàn)的p值為0.000，小雨0.05的顯著水平，表示回歸模型整體解釋變異量達(dá)到顯著水平。也就是說(shuō)回歸系數(shù)不等于0，即預(yù)測(cè)變量會(huì)達(dá)到顯著水平。本文檔共74頁(yè)；當(dāng)前第21頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(4)回歸系數(shù)如下表所示為回歸模型的回歸系數(shù)及回歸系數(shù)的顯著性差異，包括為標(biāo)準(zhǔn)化的回歸系數(shù)、未標(biāo)準(zhǔn)化的回歸系數(shù)、回歸系數(shù)的顯著性的t值。標(biāo)準(zhǔn)化回歸系數(shù)的絕對(duì)值越大，表示該預(yù)測(cè)變量對(duì)因變量的影響越大，其解釋因變量的變異量也就會(huì)越大。從表中可以得到為標(biāo)準(zhǔn)化的回歸方程：50日齡鴨重=582.185+21.712*雛鴨重本文檔共74頁(yè)；當(dāng)前第22頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(5)殘差統(tǒng)計(jì)量如下表所示為殘差統(tǒng)計(jì)量，其中包括“預(yù)測(cè)值”、“殘差”、“標(biāo)準(zhǔn)化預(yù)測(cè)值”和“標(biāo)準(zhǔn)化殘差”的描述性統(tǒng)計(jì)量（“最小值”、“最大值”、“平均數(shù)”、“標(biāo)準(zhǔn)差”和“個(gè)數(shù)”），“預(yù)測(cè)值”的最小值為2319.158，最大值為3187.645，平均值為2720.833，標(biāo)準(zhǔn)差為268.724.由于本例是為了方便說(shuō)明回歸分析的操作步驟，所以選取的樣本量較少，實(shí)際研究中取樣應(yīng)多一些為好，這樣會(huì)讓回歸分析方程更加穩(wěn)定有效。本文檔共74頁(yè)；當(dāng)前第23頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分自然界的萬(wàn)事萬(wàn)物都是相互聯(lián)系和關(guān)聯(lián)的，所以一個(gè)因變量往往同時(shí)受到很多個(gè)自變量的影響。如本章開(kāi)篇時(shí)講到的那個(gè)例子，男性胃癌患者發(fā)生術(shù)后院內(nèi)感染的影響因素有很多，如年齡、手術(shù)創(chuàng)傷程度、營(yíng)養(yǎng)狀態(tài)、術(shù)前預(yù)防性抗菌、白細(xì)胞數(shù)以及癌腫病理分度。這時(shí)我們?nèi)绻泳_的、有效的預(yù)測(cè)男性胃癌患者發(fā)生術(shù)后院內(nèi)感染的具體情況這個(gè)因變量，就必須引入多個(gè)自變量，建立多元回歸模型。7.3多元線性回歸分析本文檔共74頁(yè)；當(dāng)前第24頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分多元回歸模型是指含有兩個(gè)或者兩個(gè)以上的自變量的線性回歸模型，用于揭示因變量與多個(gè)自變量之間的線性關(guān)系。多元回歸的方程式為：Y=b0+b1X1+b2X2+…biXi以下呈現(xiàn)的是在計(jì)算多元回歸模型時(shí)一般采用的幾種方法以及方法的選擇：（1）逐步回歸法（2）強(qiáng)迫進(jìn)入法（3）階層回歸分析法（4）方法的選擇7.3.1多元線性回歸的基本概念本文檔共74頁(yè)；當(dāng)前第25頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分接下來(lái)會(huì)舉三個(gè)例子來(lái)分別說(shuō)明“強(qiáng)迫選入法”、“逐步回歸法”和“階層多元回歸法”是如何運(yùn)用的。7.3.2各種回歸分析方法的實(shí)例分析本文檔共74頁(yè)；當(dāng)前第26頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分【例7.2】強(qiáng)迫選入法：某醫(yī)院的一位優(yōu)秀的男醫(yī)生，想研究男性胃癌患者發(fā)生術(shù)后院內(nèi)感染的影響因素，在研究了多名病人之后，他得到了數(shù)據(jù)資料，請(qǐng)通過(guò)多元線性回歸統(tǒng)計(jì)方法找出哪些因素是對(duì)術(shù)后感染產(chǎn)生影響的。其中數(shù)據(jù)資料如下頁(yè)所示。本文檔共74頁(yè)；當(dāng)前第27頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分術(shù)后感染（有無(wú)）年齡（歲）手術(shù)創(chuàng)傷程度（5等級(jí)）營(yíng)養(yǎng)狀態(tài)（3等級(jí)）術(shù)后預(yù)防性抗菌（有無(wú)）白細(xì)胞數(shù)（*109/L）癌腫病理分度（TNM得分總和）有7053無(wú)5.510有7142無(wú)4.35無(wú)5621無(wú)9.64無(wú)4011有10.96無(wú)3321有9.95有6843有6.95無(wú)5622有3.05有5332無(wú)7.06有5443有8.07無(wú)5711有5.84無(wú)6322無(wú)9.26無(wú)3411有8.37無(wú)4032有5.45無(wú)4531有4.53無(wú)5112有12.64本文檔共74頁(yè)；當(dāng)前第28頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分1．強(qiáng)迫選入法操作過(guò)程(1)建立數(shù)據(jù)文件：首先將上表中所有關(guān)于術(shù)后感染影響因素資料的數(shù)據(jù)輸入到SPSS中，輸入格式和數(shù)據(jù)文件如圖所示：本文檔共74頁(yè)；當(dāng)前第29頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(2)選擇“分析”|“回歸”|“線性”命令，打開(kāi)“線性回歸”主對(duì)話框，如下圖所示：本文檔共74頁(yè)；當(dāng)前第30頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(3)在“線性回歸”主對(duì)話框左側(cè)的變量列表框中選中變量“術(shù)后感染”，將其移入右側(cè)的“因變量”文本框中。(4)在“線性回歸”主對(duì)話框左側(cè)的變量列表框中分別選中變量“年齡”、“手術(shù)創(chuàng)傷程度”、“營(yíng)養(yǎng)狀態(tài)”、“術(shù)前預(yù)防性抗菌”、“白細(xì)胞數(shù)”和“癌腫病理分度”，將它們選入右側(cè)的“自變量”列表框中。在中間的“方法”文本框系統(tǒng)默認(rèn)是“進(jìn)入”選項(xiàng)，無(wú)需修改。本文檔共74頁(yè)；當(dāng)前第31頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(5)在“線性回歸”主對(duì)話框的右上方，單擊“統(tǒng)計(jì)量”按鈕，彈出如下所示的“線性回歸：統(tǒng)計(jì)量”對(duì)話框。(6)上面的對(duì)話框中，在“回歸系數(shù)”選項(xiàng)組中勾選“估計(jì)”復(fù)選框，勾選“模型擬合度”、“R方變化”、“描述性”、“共線性診斷”等復(fù)選框，在“殘差”選項(xiàng)組中勾選“Durbin-Watson（U）”復(fù)選框。單擊“繼續(xù)”按鈕，回到“線性回歸”主對(duì)話框中。本文檔共74頁(yè)；當(dāng)前第32頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(7)在“線性回歸”主對(duì)話框的右上方，單擊“繪制”按鈕，彈出如下所示的“線性回歸：圖”對(duì)話框。(8)在上面的對(duì)話框中，選擇左側(cè)的“*ZPRED”（標(biāo)準(zhǔn)化預(yù)測(cè)值），選入右側(cè)的X2(X)文本框中；選擇左側(cè)的“*ZRESID”（標(biāo)準(zhǔn)化的殘差值），選入右側(cè)的Y(Y)文本框中。在“標(biāo)準(zhǔn)化殘差圖”選項(xiàng)組中，勾選“直方圖”和“正態(tài)概率圖”復(fù)選框。單擊“繼續(xù)”按鈕，回到“線性回歸”主對(duì)話框中。本文檔共74頁(yè)；當(dāng)前第33頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(9)在“線性回歸”主對(duì)話框中，單擊“確定”按鈕，運(yùn)行SPSS程序。本文檔共74頁(yè)；當(dāng)前第34頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分2．強(qiáng)迫選入法結(jié)果解釋(1)描述性統(tǒng)計(jì)：如下圖所示為SPSS輸出的關(guān)于1個(gè)因變量和6個(gè)自變量的描述性統(tǒng)計(jì)，其中包含“平均數(shù)”、“標(biāo)準(zhǔn)差”和“個(gè)數(shù)”。本文檔共74頁(yè)；當(dāng)前第35頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(2)相關(guān)矩陣：下表為7個(gè)變量之間的積差相關(guān)矩陣，以及相關(guān)系數(shù)顯著性檢驗(yàn)的概率值（P值）矩陣、有效樣本個(gè)數(shù)（其作用不大，故在此處略去）。根據(jù)分析可知，“營(yíng)養(yǎng)狀態(tài)”和“手術(shù)創(chuàng)傷程度”這兩個(gè)變量之間可能存在共線性問(wèn)題，其他自變量之間均呈中低程度相關(guān)。本文檔共74頁(yè)；當(dāng)前第36頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(3)選入/刪除的變量：下表為在回歸分析時(shí)使用的方法及選入和刪除的變量。本文檔共74頁(yè)；當(dāng)前第37頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(4)模型摘要：下表所示為回歸模型的一些基本信息，每個(gè)模型中包括“多元相關(guān)系數(shù)R”、“多元相關(guān)系數(shù)R平方”、“調(diào)整后的R平方”以及“估計(jì)標(biāo)準(zhǔn)誤”，其中還包括5個(gè)變更統(tǒng)計(jì)量，分別是R平方的改變量、F改變、分子自由度、分母自由度、顯著性F改變，最后還有一個(gè)Durbin-Waston檢驗(yàn)。本文檔共74頁(yè)；當(dāng)前第38頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(5)方差分析：如下表所示為回歸模型方差分析的摘要表。本文檔共74頁(yè)；當(dāng)前第39頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(6)回歸系數(shù)顯著性檢驗(yàn)：以上方差分析結(jié)果只能大致說(shuō)明該模型是否合理，但是要知道各個(gè)自變量的回歸系數(shù)是否在統(tǒng)計(jì)學(xué)意義上顯著，還要看回歸系數(shù)的t檢驗(yàn)。在下表中可以看到結(jié)果。本文檔共74頁(yè)；當(dāng)前第40頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(7)共線性診斷：下表所示為能夠預(yù)測(cè)自變量之間共線性問(wèn)題的各種統(tǒng)計(jì)指標(biāo)，共線性其實(shí)就是指自變量之間存在很高的相關(guān)。本文檔共74頁(yè)；當(dāng)前第41頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(8)殘差統(tǒng)計(jì)量：如下表所示，表格中主要呈現(xiàn)了“預(yù)測(cè)值”、“殘差”、“標(biāo)準(zhǔn)化預(yù)測(cè)值”和“標(biāo)準(zhǔn)化殘差”的描述性統(tǒng)計(jì)量。本文檔共74頁(yè)；當(dāng)前第42頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(9)回歸分析輸出報(bào)表的編輯：以上的表格都是SPSS直接導(dǎo)出的一些表格，但是在寫報(bào)告時(shí)，只需報(bào)告其中的一部分結(jié)果即可。本文檔共74頁(yè)；當(dāng)前第43頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分【例7.3】逐步回歸法：某養(yǎng)豬場(chǎng)老板，想要了解每一頭豬身上能產(chǎn)多少瘦肉，從而隨機(jī)選了25頭肥?？紤]到豬的各個(gè)部位的瘦肉量不太一樣，所以收集了與瘦肉產(chǎn)量有關(guān)的三方面的數(shù)據(jù)資料，想通過(guò)這三方面的數(shù)據(jù)來(lái)對(duì)瘦肉產(chǎn)量進(jìn)行預(yù)測(cè)，請(qǐng)用多元線性回歸分析來(lái)解決這一問(wèn)題。其中，數(shù)據(jù)文件如下所示。本文檔共74頁(yè)；當(dāng)前第44頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分1．逐步回歸法操作說(shuō)明(1)建立數(shù)據(jù)文件：將上表中的數(shù)據(jù)輸入到SPSS中,如下圖所示。本文檔共74頁(yè)；當(dāng)前第45頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(2)選擇“分析”|“回歸”|“線性”命令，打開(kāi)“線性回歸”主對(duì)話框，如下圖所示：本文檔共74頁(yè)；當(dāng)前第46頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(3)在“線性回歸”主對(duì)話框左側(cè)的變量列表框中選中變量“瘦肉量”，將其移入右側(cè)的“因變量”文本框中；在“線性回歸”主對(duì)話框左側(cè)的變量列表框中分別選中變量“肌肉面積”、“腿肉量”和“腰肉量”，將它們選入右側(cè)的“自變量”列表框中。(4)在中間的“方法”文本框中，單擊該文本框，出現(xiàn)下拉菜單，選擇“逐步”選項(xiàng)。(5)對(duì)于輸出“統(tǒng)計(jì)量”、“圖形”的相關(guān)設(shè)置與例7.2中完全一樣，故在此不再贅述。設(shè)置完成后，單擊“確定”按鈕，運(yùn)行SPSS程序。本文檔共74頁(yè)；當(dāng)前第47頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分2．逐步回歸法的結(jié)果(1)描述性統(tǒng)計(jì)：下表所示為“瘦肉量”、“肌肉面積”、“腿肉量”和“腰肉量”等4個(gè)變量的描述性統(tǒng)計(jì)（“平均數(shù)”、“標(biāo)準(zhǔn)差”和“次數(shù)”）。本文檔共74頁(yè)；當(dāng)前第48頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(2)各個(gè)變量間的相關(guān)矩陣：從下表中可以看出各個(gè)變量之間的相關(guān)系數(shù)，從而判斷出它們之間的相關(guān)程度。根據(jù)分析可知，本例的共線性問(wèn)題不嚴(yán)重。本文檔共74頁(yè)；當(dāng)前第49頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(3)選入和刪除的變量：下表為在回歸分析時(shí)使用的方法及選入和刪除的變量。本文檔共74頁(yè)；當(dāng)前第50頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(4)模型摘要：如下表所示為回歸模型的摘要表，在使用逐步回歸法時(shí)，回歸模型會(huì)根據(jù)各自變量對(duì)因變量預(yù)測(cè)的高低，而依次將自變量逐個(gè)地放入回歸模型中。當(dāng)自變量的回歸系數(shù)沒(méi)有達(dá)到顯著水平時(shí)，該自變量就要被排除在回歸模型之外。本文檔共74頁(yè)；當(dāng)前第51頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(5)方差分析：下表為兩個(gè)回歸模型的整體顯著性檢驗(yàn)，因?yàn)樵诒纠胁捎玫氖侵鸩交貧w分析法，因此在這個(gè)表格中出現(xiàn)的模型整體顯著性檢驗(yàn)的F值均會(huì)達(dá)到顯著性水平。本文檔共74頁(yè)；當(dāng)前第52頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(6)回歸模型的系數(shù)：下表為兩個(gè)回歸模型的回歸系數(shù)及回歸系數(shù)的顯著性檢驗(yàn)，其中包括未標(biāo)準(zhǔn)化的B估計(jì)值和標(biāo)準(zhǔn)誤，還有標(biāo)準(zhǔn)化的Beta分布，還有對(duì)每一個(gè)回歸系數(shù)的t檢驗(yàn)的結(jié)果，以及共線性問(wèn)題相關(guān)統(tǒng)計(jì)量：容忍度和方差膨脹系數(shù)（VIF）。本文檔共74頁(yè)；當(dāng)前第53頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(7)回歸標(biāo)準(zhǔn)化殘差值的直方圖：下圖為回歸標(biāo)準(zhǔn)化殘差值的直方圖，此直方圖是用來(lái)檢驗(yàn)樣本觀察值是否符合正態(tài)性基本假設(shè)。本文檔共74頁(yè)；當(dāng)前第54頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(8)標(biāo)準(zhǔn)化殘差的正態(tài)概率分布圖：下圖為標(biāo)準(zhǔn)化殘差的正態(tài)概率分布圖，也是用來(lái)檢驗(yàn)樣本的分布是否符合正態(tài)分布的一種方法。本文檔共74頁(yè)；當(dāng)前第55頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(9)標(biāo)準(zhǔn)化殘差值和標(biāo)準(zhǔn)化預(yù)測(cè)值交叉分布圖：下圖為標(biāo)準(zhǔn)化殘差值和標(biāo)準(zhǔn)化預(yù)測(cè)值交叉分布圖，該圖用來(lái)檢驗(yàn)樣本觀察值是否符合正態(tài)分布以及殘差值是否符合方差齊性的假定。本文檔共74頁(yè)；當(dāng)前第56頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分【例7.4】階層回歸分析法：使用青少年心理健康自評(píng)量表對(duì)某省份的中小學(xué)生進(jìn)行測(cè)量，得到了一批數(shù)據(jù)，該量表共分成三大塊“社會(huì)能力”、“行為問(wèn)題”和“身心問(wèn)題”，每一大塊又都各自有自己的預(yù)測(cè)指標(biāo)，其中“社會(huì)能力”包括了“退縮”和“社交問(wèn)題”兩個(gè)部分，“行為問(wèn)題”包括了“注意問(wèn)題”、“違紀(jì)行為”和“攻擊行為”，“身心問(wèn)題”包括了“焦慮郁郁”、“軀體主訴”和“思維問(wèn)題”。請(qǐng)用階層回歸分析法對(duì)該數(shù)據(jù)進(jìn)行處理。本文檔共74頁(yè)；當(dāng)前第57頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分1．階層回歸分析法操作過(guò)程(1)打開(kāi)數(shù)據(jù)文件“青少年心理健康自評(píng)量表.sav”。(2)選擇“分析”|“回歸”|“線性”命令，打開(kāi)“線性回歸”主對(duì)話框，如下圖所示：本文檔共74頁(yè)；當(dāng)前第58頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(3)在“線性回歸”主對(duì)話框左側(cè)的變量列表框中選中變量“青少年心理健康”，將其移入右側(cè)的“因變量”文本框中。(4)在“線性回歸”主對(duì)話框左側(cè)的變量列表框中分別選中變量“退縮”和“社交問(wèn)題”，將它們選入右側(cè)的“自變量”列表框中。(5)在中間的“方法”文本框系統(tǒng)默認(rèn)是“進(jìn)入”選項(xiàng)，無(wú)需修改。本文檔共74頁(yè)；當(dāng)前第59頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(6)如下圖所示，在“線性回歸”主對(duì)話框的“塊1的1”選項(xiàng)組中，單擊“下一張”按鈕，出現(xiàn)“塊2的2”選項(xiàng)組。然后在“線性回歸”主對(duì)話框的左側(cè)變量列表框中，選擇變量“注意問(wèn)題”、“違紀(jì)行為”和“攻擊行為”，將它們選入“自變量”列表框中。本文檔共74頁(yè)；當(dāng)前第60頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(7)如下圖所示，在“線性回歸”主對(duì)話框的“塊2的2”選項(xiàng)組中，單擊“下一張”按鈕，出現(xiàn)“塊3的3”選項(xiàng)組。然后在“線性回歸”主對(duì)話框的左側(cè)變量列表框中，選擇變量“焦慮抑郁”、“軀體主訴”和“思維問(wèn)題”，將它們選入“自變量”列表框中。本文檔共74頁(yè)；當(dāng)前第61頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(8)在“線性回歸”主對(duì)話框的右側(cè)單擊“統(tǒng)計(jì)量”按鈕，彈出如下圖所示的“線性回歸：統(tǒng)計(jì)量”對(duì)話框。在“回歸系數(shù)”選項(xiàng)組中，勾選“估計(jì)”和“協(xié)方差矩陣”復(fù)選框；勾選“模型擬合度”、“R方變化”、“描述性”、“部分相關(guān)和偏相關(guān)”及“共線性診斷”復(fù)選框；在“殘差”選項(xiàng)組中勾選“Durbin-Watson”復(fù)選框。單擊“繼續(xù)”按鈕，回到“線性回歸”主對(duì)話框。本文檔共74頁(yè)；當(dāng)前第62頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(9)在“線性回歸”主對(duì)話框的右側(cè)單擊“繪圖”按鈕，彈出如圖所示的“線性回歸：圖”對(duì)話框。在左側(cè)的變量列表框中選中ZRESID選項(xiàng)，將其選入Y(Y)文本框中；在左側(cè)的變量列表框中選中ZPRED選項(xiàng)，將其選入X2(X)文本框中。勾選“直方圖”和“正態(tài)概率圖”。單擊“繼續(xù)”按鈕，回到“線性回歸”主對(duì)話框。(10)在“線性回歸”主對(duì)話框上的其他統(tǒng)計(jì)量按照SPSS默認(rèn)設(shè)置即可，單擊“確定”按鈕運(yùn)行SPSS程序。本文檔共74頁(yè)；當(dāng)前第63頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分2．階層回歸分析法的結(jié)果(1)描述性統(tǒng)計(jì)量：下表呈現(xiàn)了“青少年心理健康”、“退縮”、“社交問(wèn)題”、“注意問(wèn)題”、“違紀(jì)行為”、“攻擊行為”、“焦慮抑郁”、“軀體主訴”和“思維問(wèn)題”變量的“平均數(shù)”、“標(biāo)準(zhǔn)差”和“次數(shù)”等描述性統(tǒng)計(jì)量。本文檔共74頁(yè)；當(dāng)前第64頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(2)相關(guān)系數(shù)：下表所示為各個(gè)變量之間的相關(guān)系數(shù)。根據(jù)分析可知，本例中存在共線性問(wèn)題。本文檔共74頁(yè)；當(dāng)前第65頁(yè)；編輯于星期日\(chéng)22點(diǎn)48分(3)選入和刪除的變量：在使用階層回歸分析