spss多元線性回歸

1、SPSS多元線性回歸分析試驗(yàn)在科學(xué)研究中，我們會(huì)發(fā)現(xiàn)某些指標(biāo)通常受到多個(gè)因素的影響，如血壓值除了受年齡影響之外，還受到性別、體重、飲食習(xí)慣、吸煙情況等因素的影響，用方程定量描述一個(gè)因變量y與多個(gè)自變量x1、x2、x3.之間的線性依存關(guān)系，稱為多元線性回歸。有學(xué)者認(rèn)為血清中低密度脂蛋白增高是引起動(dòng)脈硬化的一個(gè)重要原因?，F(xiàn)測量30名懷疑患有動(dòng)脈硬化的就診患者的載脂蛋白A、載脂蛋白B、載脂蛋白E、載脂蛋白、低密度脂蛋白中的膽固醇含量。資料如下表所示。求低密度脂蛋白中的膽固醇含量對載脂蛋白、載脂蛋白、載脂蛋白、載脂蛋白的線性回歸方程。表1 30名就診患者資料表序號(hào)載脂蛋白A載脂蛋白B載脂蛋白E載脂蛋白

2、C低密度蛋白11731067.014.713721391326.417.816231981126.916.713441181387.115.71885139948.613.6138617516012.120.3215713115411.221.517181581419.729.614891581377.418.2197101321517.517.2113111621106.015.91451214411310.142.881131621377.220.7185141691298.516.7157151291386.310.11971616614811.533.4156171851186.017

3、.5156181551216.120.4154191751114.127.2144201361109.426.090211531338.516.9215221101499.524.718423160865.310.8118241121238.016.6127251471108.518.4137262041226.121.0126271311026.613.4130281701278.424.7135291731238.719.01883013213113.829.2122spss數(shù)據(jù)處理步驟：（）打開spss輸入數(shù)據(jù)后，點(diǎn)擊“分析”“回歸”“線性”。然后將“低密度脂蛋白”選入因變量框，將“載脂

4、蛋白”“載脂蛋白”“載脂蛋白”“載脂蛋白C”依次選入自變量框。方法選為“逐步”。（2）單擊“統(tǒng)計(jì)量”選項(xiàng)，原有選項(xiàng)基礎(chǔ)上選擇“R方變化”。在殘差中選“Durbin-Watson”，單擊“繼續(xù)”。（3）單擊“繪制”，將“DEPENDNT”選入“X2”中，將“*SRESID”選入“Y”中，在標(biāo)準(zhǔn)殘差圖選項(xiàng)中選擇“直方圖”和“正態(tài)概率圖”。單擊“繼續(xù)”。（4）單擊“選項(xiàng)”，在原有選項(xiàng)的基礎(chǔ)上單擊“繼續(xù)”，最后單擊“確定”，就完成了。數(shù)據(jù)處理結(jié)果如下：輸入移去的變量a模型輸入的變量移去的變量方法1載脂蛋白B.步進(jìn)（準(zhǔn)則: F-to-enter 的概率 <= .050，F(xiàn)-to-remove 的概

5、率 >= .100）。2載脂蛋白C.步進(jìn)（準(zhǔn)則: F-to-enter 的概率 <= .050，F(xiàn)-to-remove 的概率 >= .100）。a. 因變量: 低密度脂蛋白上圖為統(tǒng)計(jì)的基本信息。模型匯總c模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差更改統(tǒng)計(jì)量Durbin-WatsonR 方更改F 更改df1df2Sig. F 更改1.562a.316.29128.331.31612.924128.0012.733b.538.50323.715.22212.960127.0012.532a. 預(yù)測變量: (常量), 載脂蛋白B。b. 預(yù)測變量: (常量), 載脂蛋白B, 載脂蛋白

6、C。c. 因變量: 低密度脂蛋白上圖列出了模型的R、R方 、調(diào)整R方。R方 值越大所反映的兩變量的共變量比率越高，模型與數(shù)據(jù)的擬合程度越好。結(jié)果顯示：自變量和因變量之間的相關(guān)系數(shù)為0.733，擬合線性回歸的確定性系數(shù)為0.538，經(jīng)調(diào)整后的確定性系數(shù)為0.503。Anovac模型平方和Df均方FSig.1回歸10373.178110373.17812.924.001a殘差22473.48928802.625總計(jì)32846.667292回歸17661.79428830.89715.702.000b殘差15184.87327562.403總計(jì)32846.66729a. 預(yù)測變量

7、: (常量), 載脂蛋白B。b. 預(yù)測變量: (常量), 載脂蛋白B, 載脂蛋白C。c. 因變量: 低密度脂蛋白上圖是對擬合的兩個(gè)模型的方差分析檢驗(yàn)結(jié)果，兩個(gè) SIG都小于0.05，說明兩個(gè)模型都有統(tǒng)計(jì)學(xué)意義，模型有統(tǒng)計(jì)學(xué)意義不等于模型內(nèi)所有的變量都有統(tǒng)計(jì)學(xué)意義，還需要進(jìn)一步對各自變量進(jìn)行檢驗(yàn)。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)20.68036.801.562.579載脂蛋白B1.043.290.5623.595.0012(常量)41.84131.3611.334.193載脂蛋白B1.254.250.6765.019.000載脂蛋白C-2.341.650-.4

8、85-3.600.001a. 因變量: 低密度脂蛋白上圖為對兩個(gè)模型中各個(gè)系數(shù)檢驗(yàn)的結(jié)果，蛋白B、C其后的 SIG都小于0.05，均有統(tǒng)計(jì)學(xué)意義。所以最后的回歸方程為y=41.841+1.254x2-2.341x4其后的標(biāo)準(zhǔn)系數(shù)可以用來比較自變量對因變量的影響強(qiáng)度，標(biāo)準(zhǔn)系數(shù)的絕對值越大說明說明對因變量的貢獻(xiàn)越大，本例中B對因變量的影響最大，其次是。已排除的變量c模型Beta IntSig.偏相關(guān)共線性統(tǒng)計(jì)量容差1載脂蛋白A.128a.801.430.152.962載脂蛋白E-.308a-1.788.085-.325.762載脂蛋白C-.485a-3.600.001-.569.9452載脂蛋白A.166b1.255.221.239.957載脂蛋白E-.060b-.346.732-.068.582a. 模型中的預(yù)測變量: (常量), 載脂蛋白B。b. 模型中的預(yù)測變量: (常量), 載脂蛋白B, 載脂蛋白C。c. 因變量: 低密度脂蛋白