回歸分析spss課件

*1回歸分析*2相關(guān)與回歸分析線性回歸曲線估計(jì)*3第一節(jié)線性回歸分析一、簡(jiǎn)單線性回歸分析二、多重線性回歸分析*4例1表1為一項(xiàng)關(guān)于兒童健康和發(fā)展的研究中10名學(xué)齡兒童的身高和體重資料。表110名學(xué)齡兒童的身高和體重一、簡(jiǎn)單線性回歸分析

*5建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量*6建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)*7建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析：繪制散點(diǎn)圖：Graphs→Scatter→SimpleScatter→Define定義變量：體重→YAxis，身高→XAxis*8建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)*9建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives*10建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives繪制殘差圖：Plots→DEPENDNT→X:,*ZRESID(標(biāo)準(zhǔn)化殘差）→Y:*11建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：繪制殘差圖：計(jì)算總體均數(shù)的估計(jì)值和預(yù)測(cè)值：Save→→PredictedValues→Unstandardize，→PredictionIntervals→Mean，Individual*12建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：繪制殘差圖：計(jì)算總體均數(shù)的估計(jì)值和預(yù)測(cè)值：在散點(diǎn)圖中添加置信帶和預(yù)測(cè)帶：雙擊散點(diǎn)圖進(jìn)行添加，Element→FitLineattotal*13建立數(shù)據(jù)文件：身高與體重的回歸分析.sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：體重→Dependent,身高→Independent(s)選擇統(tǒng)計(jì)量：繪制殘差圖：計(jì)算總體均數(shù)的估計(jì)值和預(yù)測(cè)值：在散點(diǎn)圖中添加置信帶和預(yù)測(cè)帶：雙擊散點(diǎn)圖進(jìn)行添加，Element→FitLineattotal→ConfidenceIntervals→Mean（Individual）*14主要結(jié)果——散點(diǎn)圖*15主要結(jié)果*16主要結(jié)果*17主要結(jié)果確定系數(shù)調(diào)整確定系數(shù)*18主要結(jié)果對(duì)總體回歸模型檢驗(yàn)的F值對(duì)總體回歸模型檢驗(yàn)的P值*19主要結(jié)果回歸系數(shù)（第一行為截距，第二行為斜率）總體回歸系數(shù)=0的假設(shè)檢驗(yàn)的t值回歸系數(shù)的標(biāo)準(zhǔn)誤標(biāo)準(zhǔn)化回歸系數(shù)總體回歸系數(shù)=0的假設(shè)檢驗(yàn)的P值總體回歸系數(shù)的95%置信區(qū)間*20主要結(jié)果殘差圖*21*22練習(xí)1某研究者測(cè)量了16名成年男子的體重和臀圍數(shù)據(jù)，如下表所示。請(qǐng)判斷是否可以用線性回歸來(lái)表達(dá)臀圍和體重的關(guān)系，若可以，請(qǐng)用該數(shù)據(jù)建立用體重預(yù)測(cè)臀圍的線性回歸模型。*23練習(xí)2FrankAnscombe(1973)給出了下列數(shù)據(jù)，（1）請(qǐng)分別以Y1、Y2、Y3為因變量、X為自變量進(jìn)行線性回歸分析，（2）請(qǐng)以Y4為因變量、X為自變量進(jìn)行線性回歸分析；（3）針對(duì)以上結(jié)果，加以討論。*24例2為了研究有關(guān)糖尿病患者體內(nèi)脂聯(lián)素水平的影響因素，某醫(yī)師測(cè)定了30名患者的體重指數(shù)BMI（kg/m2）、病程DY（年）、瘦素LEP（ng/mL）、空腹血糖FPG（mmol/L）及脂聯(lián)素ADI（ng/mL）水平，數(shù)據(jù)如表6所示，能否用多重線性回歸表達(dá)他們的關(guān)系，若可以，建立多重線性回歸方程。二、多重線性回歸分析

*25*26建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量*27建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)*28建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析：繪制散點(diǎn)圖：Graphs→Scatter→MatrixScatter→Define定義變量：體重指數(shù)、病程、瘦素、孔府血糖、脂聯(lián)素→MatrixVariables*29建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)*30建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives*31建立數(shù)據(jù)文件：脂聯(lián)素水平數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)選擇統(tǒng)計(jì)量：Statistics→Estimates,Confidenceintervals,Modelfit,Descriptives繪制殘差圖：Plots→DEPENDNT→X:,*ZRESID(標(biāo)準(zhǔn)化殘差）→Y:*32主要結(jié)果——散點(diǎn)圖*33主要結(jié)果*34主要結(jié)果*35主要結(jié)果確定系數(shù)調(diào)整確定系數(shù)復(fù)相關(guān)系數(shù)*36主要結(jié)果對(duì)總體回歸模型檢驗(yàn)的F值對(duì)總體回歸模型檢驗(yàn)的P值*37主要結(jié)果偏回歸系數(shù)總體偏回歸系數(shù)=0的假設(shè)檢驗(yàn)的t值偏回歸系數(shù)的標(biāo)準(zhǔn)誤標(biāo)準(zhǔn)化偏回歸系數(shù)總體偏回歸系數(shù)=0的假設(shè)檢驗(yàn)的P值總體偏回歸系數(shù)的95%置信區(qū)間*38主要結(jié)果殘差圖*39例5對(duì)例4的數(shù)據(jù)選擇最優(yōu)模型。*40Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)*41Analyze→Regression→Linear定義變量：脂聯(lián)素→Dependent,

體重指數(shù)、病程、瘦素、空腹血糖→Independent(s)選擇篩選最優(yōu)模型的方法Mehtod→Stepwise*42主要結(jié)果——引入的變量剔除的變量最優(yōu)模型*43主要結(jié)果最優(yōu)模型*44主要結(jié)果最優(yōu)模型*45其他篩選最優(yōu)模型的方法，大家自己練習(xí)。*46練習(xí)3為研究大氣污染物一氧化氮(NO)的濃度是否受到汽車(chē)流量、氣候狀況等因素的影響，選擇24個(gè)工業(yè)水平相近城市的一個(gè)交通點(diǎn)，統(tǒng)計(jì)單位時(shí)間過(guò)往的汽車(chē)數(shù)(千輛)，同時(shí)在低空相同高度測(cè)定了該時(shí)間段平均氣溫(℃)、空氣濕度(%)、風(fēng)速(m/s)以及空氣中一氧化氮(NO)的濃度(×10-6)，數(shù)據(jù)如下頁(yè)表所示。（1）建立回歸方程：*47表

某城市空氣中NO濃度監(jiān)測(cè)數(shù)據(jù)

*48（1）建立回歸方程：以Y為因變量，以X1-X4為自變量，并按照對(duì)Y的影響大小對(duì)各自變量進(jìn)行排序;（2）用前向選擇法對(duì)各自變量進(jìn)行篩選；（3）用后向選擇法對(duì)各自變量進(jìn)行篩選；（4）用逐步法對(duì)各自變量進(jìn)行篩選；*49練習(xí)4余松林和向惠云搜集的17所醫(yī)院人力資源利用和醫(yī)院任務(wù)資料,其解釋變量和反應(yīng)變量分別：每月住院人數(shù)X1；每月X

線照光人數(shù)X

2；每月占用病床日數(shù)X

3；服務(wù)范圍內(nèi)人口數(shù)(千人)X4；每名患者平均住院日數(shù)X

5；每月使用人力(h)Y（見(jiàn)下表），試進(jìn)行多重線性回歸分析。編號(hào)X1X2X3X4X5Y115.572463472.9218.04.45566.52244.0220481339.759.56.92596.82320.423940620.2512.84.281033.15418.746505568.3336.73.901603.62549.2057231497.6035.75.501611.37644.92115201365.8324.04.601613.27755.4857791687.0043.35.631854.17859.2858691639.9246.75.152160.55994.3984612872.3378.76.18230.5810128.02201063655.08180.56.153505.931196.00133132912.0060.95.883571.8912131.42107713921.00103.74.883741.4013127.21155433865.67126.85.504026.5214252.90361947684.10157.77.0010343.8115409.203470312446.33169.410.7811732.1716463.703920414098.40331.410.7815414.9417510.218653315524.00371.66.3518854.45表17所醫(yī)院人力資源利用和醫(yī)院任務(wù)資料*50第二節(jié)曲線估計(jì)*51例3某研究者測(cè)得某女童1~9月的身高數(shù)據(jù)，如下表所示。試用合適的回歸模型描述該月齡段女童的身高隨時(shí)間變化的規(guī)律。*52建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量*53建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)*54建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖：Graphs→Scatter→SimpleScatter→Define定義變量：身高→YAxis，時(shí)間→XAxis*55觀察身高與時(shí)間的趨勢(shì)關(guān)系—近似對(duì)數(shù)曲線關(guān)系*56建立數(shù)據(jù)文件：女童身高數(shù)據(jù).sav.定義變量輸入數(shù)據(jù)開(kāi)始分析繪制散點(diǎn)圖：Graphs→Scatter→SimpleScatter→Define定義變量：身高→YAxis，時(shí)間→XAxisanalyze→Regression→CurveEstimation定義變量：身高→Dependent（s），時(shí)間→Indepen