多元线性回归实习实际例题分析.pdfVIP

多元线性回归分析实习 线性回归过程（ Linear Regression ）可用于分析一个或多个自变量与一个因变量 之间的线性数量关系，并可进行回归诊断分析。 [例题 3.1] 某地 29 名 13 岁男童身高 x 1 （cm ），体重 x 2 （kg ），肺活量 y （L ）的实测值数据 见表 3.1 ，试建立肺活量与身高、体重的回归关系。 [ 操作过程 ] ① [ 数据格式 ] 见数据文件 多元线性回归例题 .sav Obs 身高（ cm ） 体重（ kg ） 肺活量（ L ） 1 135.1 32.0 1.75 2 163.6 46.2 2.75 3 156.2 37.1 2.75 4 167.8 41.5 2.75 5 145.0 33.0 2.50 6 165.5 49.5 3.00 7 153.3 41.0 2.75 … … … … 29 154.6 39.5 2.50 该数据库有 4 列 29 行，即 4 个变量、 29 个记录（ Observation ），每个变量占 1 列，每个记录占 1 行，该数据格式为一般多元分析的数据格式。 ② [ 过程 ] Analyze Regression Linear … 单击后可弹出 Linear Regression 线性回归对话框。该对话框内有诸多选项， 现分别介绍。 ③ [ 选项 ] 最新范本 ,供参考！ Dependent 因变量。只能选入 1 个因变量，本例选入变量“肺活量”。 Independent 自变量。可以是 1 个或多个，本例选入变量“身高、体重”。 Block 1 of 1 当选择不同组合的自变量进行回归分析时，可保存每次选择的自 变量，用 Previous 按钮和 Next 按钮可分别向前、向后翻找各种自变量的 组合。 Method 选择回归模型拟合的分析方法，有 5 种可供选择。 Enter 强迫引入法，即一般回归分析， 所选自变量全部进入方程， 为系统默认方式。 Stepwise 逐步回归法，根据在 Options 对话框中设定的标准在计算过程中逐步 加入有显著性意义的变量和剔除无显著性意义的变量，直到所建立的方程式 中不再有可加入和可剔除的变量为止。 Remove 强迫剔除法。根据设定的条件剔除自变量。 Backward 向后逐步法。 所选自变量全部进入方程， 根据 Options 对话框中设定 的标准在计算过程中逐个剔除变量，直到所建立的方程式中不再含有可剔除 的变量为止。 Forward ：向前逐步法。根据 Options 对话框中设定的标准在计算过程中逐个加 入单个变量，直到所建立的方程式中不再有可加入的变量为止。 Selection variable