多元回归分析SPSS案例39328讲课讲稿.docx

多元 回归 分析 SPSS案 例 39328 多兀回归分析 在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。可以建立因变量 y与 各自变量Xj（j=1,2,3,…之间的多元线性回归模型： 尹二矗+务勺斗為陀+一.一+班咖+Q 其中：bo是回归常数；bk（k=i,2,3,…，是回归参数；e是随机误差。 多元回归在病虫预报中的应用实例 ： 某地区病虫测报站用相关系数法选取了以下 4个预报因子；X1为最多连续10天诱蛾量（头）;X2为4月上、中旬百束小谷草 把累计落卵量（块）;X3为4月中旬降水量（毫米），X4为4月中旬雨日（天）；预报一代粘虫幼虫发生量 y （头/m2）。分级别数值 列成表2-1。 预报量y：每平方米幼虫0~10头为1级，11~20头为2级，21~40头为3级，40头以上为4级。 预报因子：X1诱蛾量0~300头为I级，301~600头为2级，601~1000头为3级，1000头以上为4级；X2卵量0~150块为1 级，15l~300块为2级，301~550块为3级，550块以上为4级；X3降水量0~10.0毫米为1级，10.1~13.2毫米为2级，13.3~17.0 毫米为3级，17.0毫米以上为4级；X4雨日0~2天为1级，3~4天为2级，5天为3级，6天或6天以上为4级。 表2-1 X1 x2 x3 x4 y 年 蛾量 级别 卵量 级别 降水量 级别 雨日 级别 幼虫密 度 级别 1960 二 1022 4 112 1 4.3 1 2 1 10 1 1961 二 300 1 440 3 0.1 1 1 1 4 1 1962 699 3 67 1 7.5 1 1 1 9 1 1963 二 1876 4 675 4 17.1 4 7 4 55 4 1965 二 43 1 80 1 1.9 1 2 1 1 1 1966 二 422 2 20 1 0 1 0 1 3 1 1967 二 806 3 510 3 11.8 2 3 2 28 3 1976 二 115 1 240 2 0.6 1 2 1 7 1 1971 二 718 3 1460 4 18.4 4 4 2 r 45 4  1972 803 3 630 4 13.4 3 3 2 26 3 1973 寸 572 2 280 2 13.2 2 4 2 16 2 1974 264 1 330 3 42.2 4 3 2 19 2 1975 寸 198 1 165 2 71.8 4 5 3 23 3 1976 4611 2 140 1 7.5 1 5 3 28 3 1977 寸 769 3 640 4 44.7 4 3 2 44 4 1978 255 1 65 1 0 1 0 1 11 2 数据保存在 DATA6-5.SAV ”文件中。 1）准备分析数据 在SPSS数据编辑窗口中，创建年份”蛾量” 在SPSS数据编辑窗口中，创建 年份”蛾量” 卵量”、降水量”、 雨日”和 幼虫密度”变量，并输入数据。再创建蛾 量、卵量、降水量、雨日和幼虫密度的分级变量xi” X2” X3” X4”和y”它们对应的分级数值可以在 spss数据编辑窗口 量、卵量、降水量、雨日和幼虫密度的分级变量 中通过计算产生。编辑后的数据显示如图 2-1。 图2-1 或者打开已存在的数据文件 DATA6-5.SAV ”。 2）启动线性回归过程 单击SPSS主菜单的Analyze下的Regression中 Linear项，将打开如图2-2所示的线性回归过程 窗口。 图2-2线性回归对话窗口 设置分析变量 设置因变量：用鼠标选中左边变量列表中的 幼虫密度［y］变量，然后点击 “Dependen栏左边的二口向右拉按钮，该变量就 移到“Dependen因变量显示栏里。 设置自变量：将左边变量列表中的 蛾量［x1］、卵量［x2］、降水量［x3］、雨日［x4］变量，选移到 “Independent(S)自变量 显示栏里。 设置控制变量：本例子中不使用控制变量，所以不选择任何变量。 选择标签变量：选择 年份”为标签变量。 选择加权变量：本例子没有加权变量，因此不作任何设置。 回归方式 本例子中的4个预报因子变量是经过相关系数法选取出来的，在回归分析时不做筛选。因此在 “ Method框中选中“ En ter选 项，建立全回归模型。 5）设置输出统计量 单击“Statistics按钮；将打开如图2-3所示的对话框。该对话框用于设置相关参数。其中各项的意义分别为: 图 2-3 “ Statistic对话框 “ Regression Coefficients 回归系数 选项： “ Estimates输岀回归系数和相关统计量。 “Confidenee interval回归系数的9