spss多元線性回歸分析92134

1、SPSS多元線性回歸分析試驗在科學(xué)研究中，我們會發(fā)現(xiàn)某些指標(biāo)通常受到多個因素的影響，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 方程定量描述一個因變量y與多個自變量xl、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脈硬化的一個重要原因?，F(xiàn)測 量30名懷疑患有動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C、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A、載脂蛋白E、載脂蛋白E、載脂蛋白C的線性回 歸方程。表1 3()名就診患者資料表序號戟脂蛋白A敦脂

2、蛋白B載脂蛋白E刪旨蛋白C低密度蛋白11731067.014.713721391326.417.816231981126.916.71344118138715.71885139948.613.6138617516012.120.3215713115411.221.517181581419.729.614891581377.41&2197101321517.517.2113111621106.015.91451214411310.142.881131621377.220.7185141691298.516.7157151291386.310.11971616614811.533.41561718

3、51186.017.5156181551216.120.4154191751114.127.2144201361109.426.090211531338.516.92152211N1499.524.71S423160865.310.811824112123&016.6127251471108.518.413726204122621.0126271311026.613.4130281701278.424.7135291731238.719.01883013213113.829.2122SPSS數(shù)據(jù)處理步驟：(1)打開SPSS輸入數(shù)據(jù)后，點擊“分析”一“回歸”一“線性”。然后將“低 密度脂蛋白”選

4、入因變量框，將“載脂蛋白A” “載脂蛋白E” “載脂蛋白E” “載 脂蛋白C”依次選入自變量框。方法選為“逐步”。(2)單擊“統(tǒng)計量”選項，原有選項基礎(chǔ)上選擇方變化”。在殘差中選DurbiZ臨l&m”，單擊“繼續(xù)”。 單擊“繪制”，將 FEPENDNT”選入 ,2”中，將JSRESID”選入“Y”中，在標(biāo)準(zhǔn)殘差圖選項中選擇 徨方圖”和 征態(tài)槪率圖”。單擊“繼續(xù)”。(4)單擊“選項”，在原有選項的基礎(chǔ)上單擊“繼續(xù)7最后單擊“確定”，就完成了。數(shù)據(jù)處理結(jié)果如下:檢入/移去的變it輸入的變量竹去的變量1測&蛋白B-步進(jìn)(aiW：F-Ui-cater的慨車- .100) e7步燈(JW： F-ui-c

5、mer的槪豐 .050, F-t-rcmve 的檢主 -.100) ex園宅量：低上圖為統(tǒng)計的基本信息。劇匯敝R強(qiáng)鑑R P斥進(jìn)詁計的視復(fù)茂統(tǒng)計Durbin-VTaiM)aR T更改F更改dfldf2站F更改1.562*31629128.331.3162924128.001r J.5.53850323.7152221296U127.00125S2X訊測*：（#*,戟脂蛋自B。b.：*：.裁脂蛋白e,銭脂蛋白ac. 3*：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()733,擬合線性回歸的確定

6、性系數(shù)為0.538,經(jīng)調(diào)整后的確定性系數(shù)為0.503。ABOV3*平有和Of均PF1回歸1037S.178110373.17812.924xxir22473.48928802625總計32846.667292國歸17661.7942K83O.H9715.702.(XKP15184.87327話 2.403總計32846.66729X訊測變常),裁脂蛋自B。b. FiQ宅量:俸量:，裁脂蛋自B,莪脂SfiC.c. 3*：低言便脂罷白上圖是對擬合的兩個模型的方差分析檢驗結(jié)杲，兩個SIG都小于().()5,說明兩 個模型都有統(tǒng)計學(xué)意義，模型有統(tǒng)計學(xué)意義不等于模型內(nèi)所有的變量都有統(tǒng)計學(xué) 意義，還需要進(jìn)

7、一步對各自變量進(jìn)行檢驗。非様準(zhǔn)化京峻檢準(zhǔn)殺戲tB試用厳1*20.68036.801.562.5-91.04329(.5623.595.IKH7*41.84131.36113341931.254250.6765.019.IKH)我陽蛋亡C2.341.650.453.600.IHHx a%*：上圖為對兩個模型中各個系數(shù)檢驗的結(jié)果，蛋白E、C其后的SIG都小于().05,均有統(tǒng)計學(xué)意義。所以最后的回歸方程為7=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E對因變量的影響最大，其次是C。Em ni共線性統(tǒng)計量宅主1我脂SSa.128-.8()1.43052.962製脂蛋白E-.W-1.788.085-.S25.762我脂蛋白C.485,33.001-.569.9457我脂S3A16$1255.221.239957我脂蛋白巳-.546.732-.()68.S82b.模型中（*）.我脂蛋白B,我脂S&C.C.因變量：低&*?&上表為殘差的直方圖，可見殘差分布比較均勻，近似服從正態(tài)分布，符合多元回歸的條件?；貧w標(biāo)準(zhǔn)化殘羞的標(biāo)準(zhǔn)pp圖上圖為殘差的正態(tài)PP圖，可見殘差基本呈直線趨