spss授课regression.pptVIP

回归分析（Regression) 南京中医药大学 李国春 基本统计学理论 回归分析的概念 常见的回归分析介绍 SPSS操作 直线回归 多元线性回归 曲线拟合 回归的概念 回归分析是研究变量间数量上的非确定性的依存关系，并能用适当的函数形式表示出来，从而能用一个或多个变量来推测另一变量的估计值及波动范围的统计方法。如果因变量Y与自变量（或称解释变量）X呈直线关系时，称直线回归。直线回归要求Y服从正态分布且方差相等。多元回归分析用以研究一个因变量与多个自变量之间线性依存 关系。当变量间不是线性关系时，通常需进行数据转换以满足所需条件，再进行线性回归。当然，有时也直接用原始数据进行非线性的回归分析。根据资料类型，常见的回归分析总结如下： 常见回归分析方法介绍 （三） 直线回归的区间估计 1、因变量期望值（均数）μY的估计。 μY 是总体中当X为某定值时Y的均数。Y是其估计 值，SY表示其抽样误差的标准误，按下式计 算： 1 (X-X)2 SY = SY.X + n ∑（X-X）2 μY的（1-α）可信区间为： （ Y - t α(n-2)SY , Y - t α(n-2)SY ） 缩写为 Y ± t α(n-2)SY 2、因变量个体值Y的容许区间。即总体中当X为某定值时Y的波动范围。可用于估计因变量的参考值范围，其标准差SY按下式计算： 1 (X-X)2 SY = SY.X 1 + + n ∑（X-X）2 Y的1- α容许区间为： （ Y - t α(n-2)SY , Y - t α(n-2)SY ） 缩写为 Y ± t α(n-2)SY 曲线拟合是根据专业知识、过去经验或点的分布趋势，选择一个适合变量间关系的曲线类型，再用曲线直线化或其它数学方法，依据实测数据求出曲线回归方程。 医学上常用曲线的拟合方法可分为三类。第一类（如对数曲线）可用曲线直线化的方法，即先用数学转换，使曲线变为直线后，再用直线回归处理；第二类（如抛物线）可将曲线公式化为线性方程，再线性多元回归处理；第三类（如指数曲线）可用一些专门的非线性回归拟合曲线的方法。 其中，曲线直线化是最常用的一种方法。也是最重要的手段之一。  Independent: XDep Mth Rsq d.f. F Sigf b0 b1 Y LIN .674 6 12.40 .013 .5055 .0013Y EXP .992 6 701.70 .000 .9293-.0094 　Ⅱ、多元线性直线回归 例：10名中学生的体重（x1,kg）,胸围（x2, cm）,胸围的呼吸差（x2,cm）及肺活量（y 或x4,ml)的资料如下表所示。现要求作应变 量y对自变量x1,x2及x3的三元线性回归分析。 所有可能的子集回归：对k个自变量的线性回 归问题 ，所有可能的回归有2k个。从这2k个 回归中根据某种变量选择准则，选出一个或 几个“最优”的回归。但在k较大时，由于2k十 分巨大，因而限制了本方法的应用。 自变量模型的选择：从可能对因变量Y有影响 的一组自变量中，挑选出对Y有重要影响的变 量，剔除对Y影响不大的变量；或者按某种标 准 ，建立一个“最优”的回归方程 。SPSS中提 供了如下几种自变量选择： 1、全模型。所有自变量全部强制引入回 归方程中，不管其对应变量是否有影响。即 enter选项，为系统默认选项，表示让所有选择 的自变量都引入回归模型中。 2、前进法。这个方法是从仅含截距开始， 把自变量逐个引入方程中。即forward选项，变 量进入回归方程的判断标准是在options对话框 中设定的F值。首先在所有的自变量中间，让 和因变量之间最相关的自变量进入回归方程， 当然，这个自变量应满足进入标准。然后使用 同样的方法，逐一地让自变量进入回归方程， 直到没有满足进入标准的自变量时为止。 3、后退法。该法与前进法正好相反，它是 先将全部变量选入回归模型中 ，然后逐个剔除 不显著的变量。即backward选项，首先，让所有的自变量进入回归方程中，然后逐一来删除它们。删除变量