SPSS第六次课教案解析.pptVIP

相 关 与 回 归 湖南师范大学医学院 主要内容： 1. 双变量相关与回归 2. 多元线性回归 3. logistic回归 双变量相关与回归分析 1.直线相关 2.直线回归 3.曲线拟合 1.直线相关 直线相关(linear correlation),又称简单相关，是研究两个变量间线性关系的一种常用统计方法，分析的是两变量之间是否存在直线相关关系，以及相关的方向和程度。 要求：资料服从双变量正态分布 方法：用相关系数（r）描述两变量间是否有直线关系以及直线关系的方向和密切程度。 正相关，0?r?1；零相关，r=0；负相关，-1?r?0 SPSS相关分析集中在”Analyze”菜单的“Correlate”中，包括三部分： (1)Bivariate模块，主要用于两个或多个变量之间的相关分析，是相关分析最常用模块。 (2)Partial模块，专门用于偏相关分析，即控制了混杂因素或影响因素后的相关分析。 (3)Distance模块，一般不单独使用，数据较复杂时，可用此模块进行初步处理。 直线相关分析步骤 建立数据文件 取2个变量： “x”变量：年龄 “y”变量：尿肌酐含 量 数据格式：2列8行。 1. 散点图的制作 Graph scatter simple 2. 统计分析： Analyze Correlate Bivariate… ?Variables: x / y Correlation Coefficients : ? Pearson Test of Significance: ? Two-tailed Flag significant correlation: ? Statistics:可以选择的描述 统计量。 Missing values:定义对缺失值的处理方法。 3. 结果及解释 年龄和尿肌酐含量的相关系数r为0.882，P=0.004，有统计学意义，说明年龄和尿肌酐含量呈正相关。 2.直线回归 目的：研究应变量Y对自变量X的数量依存关系。 方法：用直线方程来描述两变量间的回归关系。 回归方程的一般形式： 适用条件：X可以是正态随机变量也可以是能精确测量或严格控制的非随机变量，对于每个X相应的Y要服从正态分布。 在定量描述应变量y对自变量X在数量上的依存关系时，将易于测量的变量作为自变量(independent variable)，用 X 表示；另一变量作为应变量(dependent variable)，用 Y 表示。 直线回归 直线回归分析步骤 1. 建立数据文件 取两个变量： 自变量“x”：年龄 因变量“y”：尿肌酐含量 数据格式：2列8行。 2. 散点图的制作 Graph scatter simple 3. 统计分析： Analyze Regression Linear … ? Dependent: y ? Independent(s): x Statistics: Regression Coefficients (回归系数) ?Estimates 输出一般回归系数和标准回归系数、标准误、显著性检验 Model fit: （模型检验） ?R squared change 给出相关系数r，决定系数R2、方差分析结果 Residuals：（残差） Plots： 输出残差图、正态概率图、离群点图、直方图等。 SAVE: 预测值、残差、距离、影响统计量、预测值的可信区间、将选项存为新文件 . Options： Stepping Method Criteria Entry:选入变量的显著性水准，默认为0.05； Removal:剔除变量的显著性水准，默认为0.10. Include constant in equation:回归方程包含常数项 Missing Values: 缺失值处理 表1为模型拟合的情况，该模型的相关系数r为0.882，决定系数R2为0.778，校正决定系数为0.740. 表2为模型检验的方差分析的结果，对回归模型进行F检验，F=20.968，P=0.004,提示回归方程有统计学意义。 上表显示的是包括常数项在内的所有系数的检验结果，P0.05，常数项和年龄变量均具有统计学意义。常数项和年龄回归系数为1.662和1.392，本例