相关与 及回归分析spss课件.pptVIP

* * 建立数据文件：身高与体重的回归分析.sav. 定义变量 输入数据 开始分析 绘制散点图 Analyze →Regression→Linear 定义变量：体重→Dependent,身高→Independent(s) 选择统计量： 绘制残差图： 计算总体均数的估计值和预测值： 在散点图中添加置信带和预测带：双击散点图进行添加， Element →Fit Line at total →Confidence Intervals →Mean（Individual） * * 主要结果——散点图 * * 主要结果 * * 主要结果 * * 主要结果 确定系数 调整确定系数 * * 主要结果 对总体回归模型检验的F值 对总体回归模型检验的P值 * * 主要结果 回归系数（第一行为截距，第二行为斜率） 总体回归系数=0的假设检验的t值 回归系数的标准误 标准化回归系数 总体回归系数=0的假设检验的P值 总体回归系数的95%置信区间 * * 主要结果 残差图 * * * * 练习4 某研究者测量了16名成年男子的体重和臀围数据，如下表所示。 (1) 请判断是否可以用线性回归来表达臀围和体重的关系，若可以，请用该数据建立用体重预测臀围的线性回归模型。 (2) 今有2名成年男子的体重分别为62kg和88kg，是否可以利用上述回归模型估计二人的臀围数据？若可以，请计算臀围总体均数的95%置信区间和臀围的95%预测区间。 * * 练习5 Frank Anscombe (1973) 给出了下列四组双变量X和Y的样本数据，其中Y1、Y2、Y3共用X，如下表所示。请对这四组数据分别进行线性回归分析，并加以讨论。 * * 例4 为了研究有关糖尿病患者体内脂联素水平的影响因素，某医师测定了30名患者的体重指数BMI（kg/m2）、病程DY（年）、瘦素LEP（ng/mL）、空腹血糖FPG（mmol/L）及脂联素ADI（ng/mL）水平，数据如表6 所示，能否用多重线性回归表达他们的关系，若可以，建立多重线性回归方程。 二、多重线性回归分析 * * * * 建立数据文件：脂联素水平数据.sav. 定义变量 * * 建立数据文件：脂联素水平数据.sav. 定义变量 输入数据 * * 建立数据文件：脂联素水平数据.sav. 定义变量 输入数据 开始分析： 绘制散点图：Graphs →Scatter →Matrix Scatter →Define 定义变量：体重指数、病程、瘦素、孔府血糖、脂联素→Matrix Variables * * 建立数据文件：脂联素水平数据.sav. 定义变量 输入数据 开始分析 绘制散点图 Analyze →Regression→Linear 定义变量：脂联素→Dependent, 体重指数、病程、瘦素、空腹血糖→Independent(s) * * 建立数据文件：脂联素水平数据.sav. 定义变量 输入数据 开始分析 绘制散点图 Analyze →Regression→Linear 定义变量：脂联素→Dependent, 体重指数、病程、瘦素、空腹血糖→Independent(s) 选择统计量： Statistics →Estimates,Confidence intervals,Model fit,Descriptives * * 建立数据文件：脂联素水平数据.sav. 定义变量 输入数据 开始分析 绘制散点图 Analyze →Regression→Linear 定义变量：脂联素→Dependent, 体重指数、病程、瘦素、空腹血糖→Independent(s) 选择统计量： Statistics →Estimates,Confidence intervals,Model fit,Descriptives 绘制残差图：Plots → DEPENDNT →X:, *ZRESID(标准化残差） →Y: * * 主要结果——散点图 * * 主要结果 * * 主要结果 * * 主要结果 确定系数 调整确定系数 复相关系数 * * 主要结果 对总体回归模型检验的F值 对总体回归模型检验的P值 * * 相关与回归分析 * * 相关与回归分析 双变量相关分析 线性回归 曲线估计 两条回归直线的比较 * * 第一节 双变量相关分析 一、Pearson相关分析 二、Spearman等级相关 * * 例1 表1为一项关于儿童健康和发展的研究中10名学龄儿童的身高和体重资料。 表1 10名学龄儿童的身高和体重 一、Pearson相关分析 * * 建立数据文件：身高体重的相关分