线性统计模型介绍.docxVIP

5.5 用逐步回归、向前法、向后法建立子集回归模型 一、逐步回归法 根据原始文件，建立spss文件 图5.5.1变量视图 图5.5.2数据视图 用spss所做逐步回归结果如下 回归方程：y=91.117x1-1375.228 1、描述性统计 图5.5.3描述性统计量图 2、各个变量间的相关矩阵 如图5.5.4所示4个变量之间的积差相关矩阵，以及相关系数显著性检验的概率值矩阵、有效样本个数。从这一个相关矩阵可以看出，各个自变量与因变量之间的关系紧密程度，同时也检验是否存在共线的问题。从图5.5.4中可以看出肺活量与各个变量之间的相关系数绝对值在0.557—0.695，相关程度较高；各变量之间显著性检验的p值都小于0.05，说明肺活量与各变量之间存在共线性问题。 图5.5.4各变量相关性图 3、选入和删除的变量 图5.5.5输入、移去的变量 从图5.5.5中看出，被选入回归模型的变量有“体重”，删除的变量“胸围”、“胸围之呼吸差”；最后一栏“方法”中写的是自变量写入和删除的标准，自变量进入模型的标准是自变量的F小于或等于0.05，而移除自变量的标准是F的概率值大于或等于0.10 4、模型摘要 图5.5.6模型汇总 从图5.5.6模型汇总可以看出，在使用逐步回归法时，回归模型会根据各自变量对因变量预测能力，依次将自变量放入回归模型中。 在模型中进入模型中的自变量为“体