spss醫(yī)學科研應(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等級相關(guān))(62頁)(編輯修改稿)
2025-06-08 10:30 本頁面
【文章內(nèi)容簡介】 重復測量等情況。 SPSS軟件在“ Linear Regression： Statistics”對話框中，提供了 DurbinWatson統(tǒng)計量 d，以檢驗自相關(guān)系數(shù)是否為 0。當 d值接近于 2，則殘差之間是不相關(guān)的。 ？（ 估計回歸方程 ） 0 1 1 2 2 .... mmy b b x b x b x ?? ? ? ? ? ?0 1 1 2 2? .... mmy b b x b x b x? ? ? ? ?其中 y為實測值， 為預測值（ predicted value） ?y估計模型中系數(shù)的方法： 最小二乘方法（ Least Square，LS），即殘差平方和最小。 b1， b2….. b m稱為偏回歸系數(shù)（ partial regression coefficient） ： 當固定其他變量時 ， xm每增加一個單位，y的增加值都是 bm。 （一）多重回歸分析的任務(wù) 模型擬和的優(yōu)良性指標 R： 復相關(guān)系數(shù)，反映了 Y與 M個自變量的總體相關(guān)系數(shù)； R2： 決定系數(shù)（ R Square） R2c： 調(diào)整決定系數(shù)（ Adjusted R square ），是對決定系數(shù)的修正，是 更客觀 的指標。 這些指標越接近于 1，說明回歸模型擬合越好。 除了上述指標，還有殘差標準誤 s，殘差標準差越小，說明回歸模型擬合越好。 ？（ 影響因素分析 ） 對回歸模型的統(tǒng)計檢驗 1 re gSSnmFm SS E????當 P,則認為此回歸模型有顯著性。 對自變量的統(tǒng)計檢驗 / ( )iit b se b?當 P,則認為此自變量對因變量有影響。 自變量的篩選 實際應(yīng)用中，通常從專業(yè)知識出發(fā)，建立一個簡約（ parsimonious）的回歸模型，即用盡可能少的自變量擬合模型。 常用方法： （ Forward）： 逐步增加變量到模型中（由少到多），對已經(jīng)進入的變量不再剔除； SPSS中默認的選入自變量的檢驗水準為 。 （ Backward）： 從模型中逐步剔除變量（由多到少），對已經(jīng)剔除的變量不再進入； SPSS中默認的剔除自變量的檢驗水準為 。 （ Stepwise）： 結(jié)合了前進法和后退法，變量邊進入邊剔除。 ？（ 自變量的相對重要性分析 ） 當自變量的量綱相同時，衡量自變量相對重要性的指標： 偏回歸系數(shù)；若偏回歸系數(shù)的絕對值越大，則相應(yīng)自變量對因變量的影響就越大。 當自變量的量綱不同時，衡量自變量相對重要性的指標： 標準化偏回歸系數(shù)（ Standardized regression coefficient）、偏相關(guān)系數(shù)（ Partial Correlation）和部分相關(guān)系數(shù)（ Part Correlation）。 上述指標的絕對值越大，則相應(yīng)自變量對因變量的影響就越大。 標準化偏回歸系數(shù) ：對自變量、因變量作標準化處理后計算的回歸系數(shù)。 偏相關(guān)系數(shù) ：因變量與自變量均扣除其他自變量影響之后，二者之間的相關(guān)系數(shù)。與簡單相關(guān)系數(shù)（ Pearson相關(guān)系數(shù)）不同；
教學課件相關(guān)推薦
鄂ICP備17016276號-1