第七章回归试卷.pptVIP

* * * 激活Anaylze菜单选Regression中的Curve Estimation...项，弹出Curve Estimation对话框。从对话框左侧的变量列表中选y，点击?钮使之进入Dependent框，选x，点击?钮使之进入Indepentdent(s)框；在Model框内选择所需的曲线模型，本例选择Logarithmic模型（即对数曲线）；选Plot models项要求绘制曲线拟合图；点击Save...钮，弹出Curve Estimation:Save对话框，选择Predicted value项，要求在原始数据库中保存根据对数方程求出的Y预测值，点击Continue钮返回Curve Estimation对话框，再点击OK钮即可。 结果解释 在结果输出窗口中将看到如下统计数据： 在以X为自变量、Y为应变量，采用对数曲线拟合方法建立的方程，决定系数R2=0.913（接近于1），作拟合优度检验，方差分析表明：F=52.32，P=0.001，拟合度很好，对数方程为：Y=61.3259+20.6704lnX。 结果文件：spssjiaoan\例题数据\拟合对数曲线。 第三节二项逻辑回归(Binary Logistic) ?7.3.1 主要功能 调用此过程可完成Binary Logistic回归的运算。所谓Binary Logistic回归，是指应变量为二级计分或二类评定的回归分析，这在医学研究中经常遇到，如：死亡与否（即生、死二类评定）的概率跟病人自身生理状况和所患疾病的严重程度有关；对某种疾病的易感性的概率（患病、不患病二类评定）与个体性别、年龄、免疫水平等有关。此类问题的解决均可借助逻辑回归来完成。 本节介绍的Binary Logistic过程，应与日常所说的Logistic曲线模型（即S或倒S形曲线）相区别。用户如果要拟合Logistic曲线模型，可调用第二节Curve Estimation过程，系统提供11种曲线模型，其中含有Logistic曲线模型。 Logistic回归方程为 7.3.2 实例操作 [例7.3]某医师研究男性胃癌患者发生术后院内感染的影响因素，资料如下表，请通过Logistic回归统计方法对主要影响因素进行分析。 数据文件：spssjiaoan\例题数据\术后感染的Logistic回归 数据准备 激活数据管理窗口，定义变量名：术后感染为Y（字符变量，有输入Y、无输入N），年龄为X1，手术创伤程度为X2，营养状态为X3，术前预防性抗菌为X4（字符变量，有输入Y、无输入N），白细胞数为X5，癌肿病理分度为X6。按要求输入原始数据。 统计分析 激活Anayzle菜单选Regression中的Binary Logistic 项，弹出Logistic Regression对话框。从对话框左侧的变量列表中选y，点击?钮使之进入Dependent框，选x1、x2、x3、x4、x5和x6，点击?钮使之进入Covariates框； 点击Method处的下拉按钮，系统提供7种方法： 1、Enter：所有自变量强制进入回归方程； 2、Forward: Conditional：以假定参数为基础作似然比概率检验，向前逐步选择自变量； 3、Forward: LR：以最大局部似然为基础作似然比概率检验，向前逐步选择自变量； 4、Forward: Wald：作Wald概率统计法，向前逐步选择自变量； 5、Backward: Conditional：以假定参数为基础作似然比概率检验，向后逐步选择自变量； 6、Backward: LR：以最大局部似然为基础作似然比概率检验，向后逐步选择自变量； 7、Backward: Wald：作Wald概率统计法，向后逐步选择自变量。 选用Forward: Conditional法，以便选择有主要作用的影响因素；点击Options...钮，弹出Logistic Regression:Options对话框，在Display框中选取At last step项，要求只显示最终计算结果，点击Continue钮返回Logistic Regression对话框，再点击OK钮即可。 结果表明，第一步自变量X3入选，方程分类能力达80.00%；第二步自变量X6入选，方程分类能力达93.33%（参见结果中的分类分析表）；方程有效性经χ2检验，χ2=15.276，P=0.0005。 Logistic回归的分类概率方程为： e-219.405+54.517X3+18.280X6 P = —————————————— 1+ e-219.405+54.517X3+18.280X6 根据该方程，若一胃癌患者营养状态评分（X3）为3，癌肿病理分度（X6）为9，则其P=4.5×10