文档介绍：第八章回归分析
第一节 Linear过程
主要功能
实例操作
第二节 Curve Estimation过程
主要功能
实例操作
第三节 Logistic过程
主要功能
实例操作
第四节 Probit过程
主要功能
实例操作
第五节 Nonlinear过程
主要功能
实例操作
 
回归分析是处理两个及两个以上变量间线性依存关系的统计方法。在医学领域中,此类问题很普遍,如人头发中某种金属元素的含量与血液中该元素的含量有关系,人的体表面积与身高、体重有关系;等等。回归分析就是用于说明这种依存变化的数学关系。
 
第一节Linear过程
 
主要功能
调用此过程可完成二元或多元的线性回归分析。在多元线性回归分析中,用户还可根据需要,选用不同筛选自变量的方法(如:逐步法、向前法、向后法,等)。
 
返回目录返回全书目录
 
实例操作
[]某医师测得10名3岁儿童的身高(cm)、体重(kg)和体表面积(cm2)资料如下。试用多元回归方法确定以身高、体重为自变量,体表面积为应变量的回归方程。
 
儿童编号
体表面积(Y)
身高(X1)
体重(X2)
1
2
3
4
5
6
7
8
9
10
 
数据准备
激活数据管理窗口,定义变量名:体表面积为Y,保留3位小数;身高、体重分别为X1、X2,1位小数。输入原始数据,。
 
 
原始数据的输入
 
统计分析
激活Statistics菜单选Regression中的Linear...项,弹出Linear Regression对话框()。从对话框左侧的变量列表中选y,点击Ø钮使之进入Dependent框,选x1、x2,点击Ø钮使之进入Indepentdent(s)框;在Method处下拉菜单,共有5个选项:Enter(全部入选法)、Stepwise(逐步法)、Remove(强制剔除法)、Backward(向后法)、Forward(向前法)。本例选用Enter法。点击OK钮即完成分析。
 
 
线性回归分析对话框
 
用户还可点击Statistics...钮选择是否作变量的描述性统计、回归方程应变量的可信区间估计等分析;点击Plots...钮选择是否作变量分布图(本例要求对标准化Y预测值作变量分布图);点击Save...钮选择对回归分析的有关结果是否作保存(本例要求对根据所确定的回归方程求得的未校正Y预测值和标准化Y预测值作保存);点击Options...钮选择变量入选与剔除的α、β值和缺失值的处理方法。
 
结果解释
在结果输出窗口中将看到如下统计数据:
 
* * * * M U L T I P L E R E G R E S S I O N * * * *
 
Listwise Deletion of Missing Data
Equation Number 1 Dependent Variable.. Y
Block Number 1. Method: Enter X1 X2
 
Variable(s) Entered on Step Number
1.. X2
2.. X1
 
Multiple R .94964
R Square .90181
Adjusted R Square .87376
Standard Error .14335
Analysis of Variance
DF Sum of Squares Mean Square
Regression 2 .66052
Residual 7 .14384 .02055
F = Signif F = .0003
 
------------------ Variables in the Equation ------------------
Variable B SE B Beta T Sig T
X1 .068701