简单介绍SPSS如何做回归和相关.docxVIP

我们在做临床比对时，会同时观察两个或两个以上变量的变化并研究它们之间的相互关系，常用的统计学方法为相关与回归分析。 ? ? ? ? 两变量之间的关系一般分为两种：一种关系是一个变量的变化是否依赖于另一个变量的变化（如，药物剂量与体重，体重决定了药剂量，体重为主动因素，为自变量，药剂量是被动的，为应用量，应当采用统计学方法是回归分析），另一种关系是两个变量的变化没有明显的主从关系，属于共同变化，但是两者之间有一定的依赖关系（如，体重与身高）。 一．相关分析 相关分为线性相关和非线性相关，线性相关是指在两个变量分布散点图上，点的分布呈直线趋势，非线性相关则是两个变量之间的变化趋势不呈直线关系。 1.双变量相关分析，当分析两个变量之间是否有相关分析时可用，对双变量呈正态分布的资料，可选择参数方法的Pearon相关分析，对双变量呈非正态分布的资料，选择Spearman相关系数（等级相关系数），Kendoll相关系数等非参数分析方法 程序操作：analyze→correlate（关联）→bivariate（双变量的 adj） 相关系数选择 Pearon 2.直线相关分析 程序操作：analyze→correlate（关联）→bivariate（双变量的 adj） 相关系数选择 Pearon 3.偏相关分析，多变量相关分析时，有时需要分析其中两个变量的相关关系，但是由于多个变量之间的相互作用，其真实关系难以体现，因此，真实体现两者相关关系就必须要控制其他变量的变化，剔除其他变量的影响，这种分析方法称为偏相关分析。 程序操作：analyze→correlate→partial（局部，偏的，不公平adj） 4.非线性相关分析，应用条件观察原始数据是以等级表示的双变量资料，两个变量资料明显偏离正态分布。 程序操作：analyze→correlate（关联）→bivariate（双变量的 adj） 相关系数选择Spearman ? ? 二．线性回归分析 在研究两个变量相互关系时，如果能够明确哪个是自变量，哪个是应变量时，就应当采用回归分析的统计学方法。 如果因变量与自变量之间的关系是直线关系，分析两者的方法为线性回归分析，提供r来反应两个变量间的线性关系密切程度，还可以用线性回归方程来反应二者的关系（不能根据一个变量的数值而求出另一个变量的精确值）。 1.一元线性回归 y=kx+b 线性回归要求两个变量的资料均呈正态分布，样本较少时，可做正态性检化验（one-sample ?kolmogorov-Smirnov ?test） 程序操作：Analyze→Regression（回归）→Linear（ 线性，直线，adj） Dependent（独立）自变量，Independent因变量