SPSS统计分析-第7章回归分析.pptVIP

(3) 方差分析 ? 如下表所示为回归模型的方差分析摘要表，其中的变异量 显著性检验的 F 值为 213.808 ，显著性检验的 p 值为 0.000 ， 小雨 0.05 的显著水平，表示回归模型整体解释变异量达到 显著水平。也就是说回归系数不等于 0 ，即预测变量会达到 显著水平。 (4) 回归系数 ? 如下表所示为回归模型的回归系数及回归系数的显著性差 异，包括为标准化的回归系数、未标准化的回归系数、回 归系数的显著性的 t 值。标准化回归系数的绝对值越大，表 示该预测变量对因变量的影响越大，其解释因变量的变异 量也就会越大。从表中可以得到为标准化的回归方程： 50 日龄鸭重 =582.185+21.712* 雏鸭重 (5) 残差统计量 ? 如下表所示为残差统计量，其中包括“预测值”、“残 差”、“标准化预测值”和“标准化残差”的描述性统计 量（“最小值”、“最大值”、“平均数”、“标准差” 和“个数”），“预测值”的最小值为 2319.158 ，最大值 为 3187.645 ，平均值为 2720.833 ，标准差为 268.724. 由于 本例是为了方便说明回归分析的操作步骤，所以选取的样 本量较少，实际研究中取样应多一些为好，这样会让回归 分析方程更加稳定有效。 7.3 多元线性回归分析 ? 自然界的万事万物都是相互联系和关联的，所以一个因变 量往往同时受到很多个自变量的影响。如本章开篇时讲到 的那个例子，男性胃癌患者发生术后院内感染的影响因素 有很多，如年龄、手术创伤程度、营养状态、术前预防性 抗菌、白细胞数以及癌肿病理分度。这时我们如果要更加 精确的、有效的预测男性胃癌患者发生术后院内感染的具 体情况这个因变量，就必须引入多个自变量，建立多元回 归模型。 7.3.1 多元线性回归的基本概念 ? 多元回归模型是指含有两个或者两个以上的自变量的线性 ? ? ? ? ? ? 回归模型，用于揭示因变量与多个自变量之间的线性关系。 多元回归的方程式为： Y=b0+b1X1+b2X2+ ? biXi 以下呈现的是在计算多元回归模型时一般采用的几种方法 以及方法的选择： （ 1 ）逐步回归法 （ 2 ）强迫进入法 （ 3 ）阶层回归分析法 （ 4 ）方法的选择 7.3.2 各种回归分析方法的实例分析 ? 接下来会举三个例子来分别说明“强迫选入法”、“逐步 回归法”和“阶层多元回归法”是如何运用的。 ? 【例 7.2 】强迫选入法：某医院的一位优秀的男医生，想 研究男性胃癌患者发生术后院内感染的影响因素，在研究 了多名病人之后，他得到了数据资料，请通过多元线性回 归统计方法找出哪些因素是对术后感染产生影响的。其中 数据资料如下页所示。 术后感染 年龄 手术创伤程度 营养状态 术后预防性抗菌 （有无） （岁） （ 5 等级） （ 3 等级） （有无） 有 70 5 3 无 白细胞数 （ *109/ L ） 5.5 癌肿病理分度 （ TNM 得分总和） 10 有 无 无 无 有 无 有 有 无 无 无 无 无 无 71 56 40 33 68 56 53 54 57 63 34 40 45 51 4 2 1 2 4 2 3 4 1 2 1 3 3 1 2 1 1 1 3 2 2 3 1 2 1 2 1 2 无 无 有 有 有 有 无 有 有 无 有 有 有 有 4.3 9.6 10.9 9.9 6.9 3.0 7.0 8.0 5.8 9.2 8.3 5.4 4.5 12.6 5 4 6 5 5 5 6 7 4 6 7 5 3 4 1 ．强迫选入法操作过程 (1) 建立数据文件：首先将上表中所有关于术后感染影响因素 资料的数据输入到 SPSS 中，输入格式和数据文件如图所示： (2) 选择“分析” | “回归” | “线性”命令，打开“线性回归” 主对话框，如下图所示： (3) 在“线性回归”主对话框左侧的变量列表框中选中变量 “术后感染”，将其移入右侧的“因变量”文本框中。 (4) 在“线性回归”主对话框左侧的变量列表框中分别选中变 量“年龄”、“手术创伤程度”、“营养状态”、“术前预防 性抗菌”、“白细胞数”和“癌肿病理分度”，将它们选入右 侧的“自变量”列表框中。在中间的“方法”文本框系统默认 是“进入”选项，无需修改。 (5) 在“线性回归”主对话框的右上方，单击“统计量”按钮， 弹出如下所示的“线性回归：统计量”对话框。 (6) 上面的对话框中，在“回归系数”选项组中勾选“估计” 复选框，勾选“模型拟合度”、“ R 方变化”、“描述性”、 “ 共 线 性 诊 断 ” 等 复 选 框 ， 在 “ 残 差 ” 选 项 组 中 勾 选 “ Durbin-Watson （ U ）”复选框。单击“继续”按钮，回到 “线性回归”主对