spss醫(yī)學(xué)科研應(yīng)用線性相關(guān)與回歸(簡單線性相關(guān)與回歸、多重線性回歸、spearman等級(jí)相關(guān))(62頁)(存儲(chǔ)版)
【正文】 Tol VIF ? 6 . 8 8 9 0 . 6 9 5 1 0 . 8 3 8 2y X X? ? ? ?經(jīng)統(tǒng)計(jì)學(xué)檢驗(yàn)， X1與 X2均有顯著性，因此回歸模型為 ； 根據(jù)偏回歸系數(shù)的大小，可以認(rèn)為 X2對(duì) Y的影響比 X1大。多元線性回歸分析允許自變量為分類變量，但 當(dāng)自變量為多分類變量時(shí)， 需要以“ 啞變量（ dummy variables） ”的方式引入模型。 相關(guān) 兩變量 例 3 為探討硒與大骨節(jié)病之間的關(guān)系，分別檢測了 1990～1999年某地 7～ 12歲兒童中大骨節(jié)病 X線陽性率和發(fā)硒的平均水平（ 見數(shù)據(jù)文件 ），試對(duì)其進(jìn)行等級(jí)相關(guān)分析。 檢查殘差的等方差性： 由圖可見：殘差滿足等方差性。 （三）多重線性回歸：實(shí)例分析 變換后的數(shù)據(jù) 回歸 線性 因變量 自變量 Statistics對(duì)話框 回歸系數(shù)的估計(jì) 模型擬和 共線性診斷 部分相關(guān)與偏相關(guān)系數(shù) 統(tǒng)計(jì)描述 Plots對(duì)話框 標(biāo)準(zhǔn)化殘差圖 直方圖 正態(tài)概率圖， PP圖 繪制所有的偏相關(guān)圖 Save對(duì)話框 分別給出 Y、 XX2的均數(shù)與標(biāo)準(zhǔn)差 相關(guān)系數(shù)陣 簡單相關(guān)系數(shù)(Pearson相關(guān) ) P值 從簡單相關(guān)系數(shù)可見： Y與 X X2存在較強(qiáng)相關(guān)性， X X2存在中等相關(guān)性。常見于： 變量是由其他變量派生出來的，如： BMI由身高和體重計(jì)算得出 ； 。 通過繪制標(biāo)準(zhǔn)化殘差的直方圖以及正態(tài)概率圖（ PP圖），可以判斷 y是否服從正態(tài)分布。 標(biāo)準(zhǔn)化偏回歸系數(shù) ：對(duì)自變量、因變量作標(biāo)準(zhǔn)化處理后計(jì)算的回歸系數(shù)。 對(duì)自變量的統(tǒng)計(jì)檢驗(yàn) / ( )iit b se b?當(dāng) P,則認(rèn)為此自變量對(duì)因變量有影響。 SPSS軟件在“ Linear Regression： Statistics”對(duì)話框中，提供了 DurbinWatson統(tǒng)計(jì)量 d，以檢驗(yàn)自相關(guān)系數(shù)是否為 0。 （ 3） r與 b的假設(shè)檢驗(yàn)等價(jià) （ 4） 可以用回歸解釋相關(guān) 2 SSrSS?回 歸總r2稱為決定系數(shù)（ coefficient of determination） , 其越接近于 1，回歸直線擬和的效果越好。 （二）直線相關(guān)（ linear correlation） r： 相關(guān)系數(shù)， correlation coefficient 用來衡量有直線關(guān)系的兩個(gè)變量之間相關(guān)的密切程度和方向。 a的意義 a：是回歸直線在 Y軸上的截距，即 X＝ 0時(shí) Y的預(yù)測值。 （具體計(jì)算過程參見 《 衛(wèi)生統(tǒng)計(jì)學(xué) 》 第 4版）。 H0： ?=0 H1： ??0 bbtS?方法一： t檢驗(yàn) 方法二： F檢驗(yàn) MSFMS?回 歸剩 余兩種方法等價(jià)， Ft? (1)總體回歸系數(shù) ?的 95％ 置信區(qū)間估計(jì) 0 .0 5 / 2 , 2nbb t
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1