線性回歸分析實(shí)驗(yàn)報(bào)告

試驗(yàn)一：線性回歸分析正態(tài)型和獨(dú)立性檢驗(yàn)，從而能夠推斷模型是否符合回歸分析的根本假設(shè)。量的線性回歸模型。分析高血壓與其他變量之間的關(guān)系。試驗(yàn)步驟：1File|Open|Datagaoxueya.sav1-1數(shù)據(jù)集gaoxueya的局部數(shù)據(jù)2Analyze|Regression|Linear…LinearRegression(線性回歸)1-2所示。將左側(cè)的血壓〔y〕選入右側(cè)上方的Dependent(因變量)框中，作為被解釋變量。再分別把年齡x、體重x、吸煙指數(shù)x〕選入Independent〔自變量〕框中，作為解釋變量。在Method〔方法〕下拉菜單中，指定自變量進(jìn)入分析的方法。1-2線性回歸分析對(duì)話框3StatisticsLinearRegression:Statistics〔線性回歸分析：統(tǒng)計(jì)量〕1-31-34ContinuePlotsLinearRegression:Plots〔線性回歸分析：圖形〕對(duì)話框，如圖1-41-4線性回歸分析：圖形對(duì)話框5、單擊Continue，回到線性回歸分析對(duì)話框，單擊Save按鈕，翻開LinearRegression；Save1-51-5線性回歸分析：保存對(duì)話框6ContinueOptionsLinearRegression；Options1-61-6線性回歸分析選項(xiàng)對(duì)話框7、單擊Continue,回到線性回歸分析對(duì)話框，然后單擊OK，進(jìn)入計(jì)算分析。試驗(yàn)結(jié)論：1-7Mean〔均值、Std.Deviation〔標(biāo)準(zhǔn)差〕N1-84自變量?jī)蓛砷g的Pearson0Correlations血壓 吸煙 年齡 體重指數(shù)DescriptiveStatisticsMeanStd.DeviationN血壓1.4444E214.3030332吸煙.5312.5070132年齡53.43756.8905632體重指數(shù)3.53484.78275532圖1-7描述性統(tǒng)計(jì)量表

PearsonCorrelation血壓1.000血壓1.000.243.818.659吸煙.2431.000-.115.069年齡.818-.1151.000.621體重指數(shù).659.069.6211.000血壓..090.000.000吸煙.090..266.354年齡.000.266..000體重指數(shù).000.354.000.血壓32323232吸煙32323232年齡32323232體重指數(shù)32323232(1-tailed)N圖1-8相關(guān)系數(shù)矩陣從表中看到因變量血壓與自變量年齡、體重系數(shù)的相關(guān)系數(shù)依次為0.818、0.659，反顯著影響。相比而言，吸煙這個(gè)自變量與因變量血壓之間的相關(guān)系數(shù)較小，僅為0.243，說0.621，說明年齡與體重系數(shù)之間存在顯著性相關(guān)關(guān)系。VariablesEntered/RemovedbModelVariablesEnteredVariablesEntered/RemovedbModelVariablesEnteredVariablesRemovedMethod1體重指數(shù),吸煙,年齡a.EnterAllrequestedvariablesentered.DependentVariable:血壓圖1-9變量進(jìn)入|剔除信息表圖1-100.895，反映了因變量與自變量之間具有高度顯著的關(guān)系。ModelSummarybModelRRSquareRSquareStd.ErroroftheEstimateDurbin-Watson1.895a.801.7806.706361.213Predictors:(Constant),體重指數(shù)Predictors:(Constant),體重指數(shù),吸煙,年齡DependentVariable:血壓1-11F37.669，顯著性水平的P值幾乎為0，于是我們的模型通過了設(shè)定檢驗(yàn)，也就是說，因變量與自變量之間的顯著性關(guān)系明顯。ANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression5082.56631694.18937.669.000aResidual1259.3092844.975Total6341.87531Predictors:(Constant),體重指數(shù)Predictors:(Constant),體重指數(shù),吸煙,年齡DependentVariable:血壓圖1-12給出了回歸系數(shù)表和變量顯著性的TT值都到達(dá)顯著性水平。ModelBStd.ErrorBetatSig.1(Constant)45.7249.7464.692.000吸煙8.9222.431.3163.670.001年齡1.547.228.7456.798.000體重指數(shù)3.1951.995.1751.601.120CoefficientsaUnstandardizedCoefficientsCoefficientsaUnstandardizedCoefficientsStandardizedCoefficientsa.DependentVariable:血壓ResidualsStatisticsa圖1-13給出了殘差分析表，表中顯示推測(cè)值、殘差、標(biāo)準(zhǔn)化推測(cè)值、標(biāo)準(zhǔn)化最小值、最2.044，小于ResidualsStatisticsaMinimumMaximumMeanStd.DeviationNPredictedValue119.5472168.48351.4444E212.8044432Std.PredictedValue-1.9441.878.0001.00032StandardErrorofPredicted1.6485.9922.245.77532ValueAdjustedPredictedValue118.7923175.43561.4456E213.3179032Residual-9.5766413.71040.000006.3736132Std.Residual-1.4282.044.000.95032Stud.Residual-1.4742.206-.0031.01232DeletedResidual-1.02023E115.96993-.118407.3454532Stud.DeletedResidual-1.5072.384.0071.03832Mahal.Distance.90323.7772.9063.98232Cook”sDistance.000.395.043.07832CenteredLeverageValue.029.767.094.12832a.DependentVariable:血壓圖1-13殘差統(tǒng)計(jì)表圖1-14和1-15給出了模型殘差的直方圖和正態(tài)概率P-P圖。圖1-14殘差分布直方圖圖1-15正態(tài)概率P-P圖從正態(tài)概率P-P圖，圖中的散點(diǎn)大致散布于斜線四周，因此可以認(rèn)為殘差分布根本上是正態(tài)的。法對(duì)y、x1、x3進(jìn)展回歸，得到結(jié)果如圖1-16、1-17、1-18所示。ModelSummarybModelModelRRSquareRSquareStd.ErroroftheEstimate Durbin-Watson1.840a.706.6868.019251.198Predictors:(Constant),體重指數(shù),年齡DependentVariable:血壓圖1-16模型概述ANOVAANOVAbModelSumofSquaresdfMeanSquareFSig.1Regression4476.93122238.46534.808.000aResidual1864.9442964.308Total6341.87531Predictors:(Constant),體重指數(shù),年齡DependentVariable:血壓圖1-17方差分析表ModelBStd.ErrorBetatSig.1(Constant)54.79811.2734