【導(dǎo)讀】原始數(shù)據(jù)文件進(jìn)行整理，包括數(shù)據(jù)查詢，數(shù)據(jù)修改、刪除，數(shù)據(jù)的排序等等。以說由變量和觀測兩部分構(gòu)成。一個(gè)典型的SPSS數(shù)據(jù)文件如表1所示。姓名性別年齡……SPSS中的變量共有10個(gè)屬性，分別是變量名、變量類型、長度、小數(shù)點(diǎn)位置、變量名標(biāo)簽、變量名值標(biāo)簽、缺失值、數(shù)據(jù)列的顯示寬度、對(duì)其方式和度量尺度。后分析過程中如果有需要再對(duì)其進(jìn)行設(shè)置。定義為數(shù)值型變量，并保存數(shù)據(jù)文件，命名為“試驗(yàn)”。按鍵在“排列依據(jù)”中：Gender在排列順序中選“升序”確定。出輸入≥40000繼續(xù)在“輸出”選定“過濾掉未選定的個(gè)案”確定。添加到ine變量中。FILE='H:\實(shí)驗(yàn)\二\實(shí)驗(yàn)二.sav'.在建立或打開一個(gè)數(shù)據(jù)文件后，就可進(jìn)行在線分析處理了。為分層變量進(jìn)入該框，程序?qū)凑彰總€(gè)分組變量的每一類別進(jìn)行摘要分析。的觀測量的范圍。例如，選擇數(shù)學(xué)成績作為摘要分析變量，而性別變量作為分層變量。

　　

【正文】 量的影響程度?？梢越⒁蜃兞?y 與自變量 xj (j=1,2,3,… ..n)之間的多元線性回歸模型： y = b0+b1x1+b2x2+b3x3+ +bkxk+e 其中： b0 是回歸常數(shù)； b k（ k=1,2,3…… n）是回歸參數(shù)； e 是隨機(jī)誤差。 三、操作步驟 例：某地區(qū)病蟲害測報(bào)站用 相關(guān)系數(shù)法選取了以下 4 個(gè)預(yù)報(bào)因子： x1 為最多連續(xù) 10 天誘蟲量（頭）； x2 為 4 月份上、中旬百束小谷草把累計(jì)落卵量（塊）； x3為 4 月份中旬降雨量（毫米）； x4 為 4 月中旬雨日（天）；預(yù)報(bào)一代粘蟲幼蟲發(fā)生量 y（頭 / m2）。分級(jí)數(shù)字列成表1。 預(yù)報(bào)量： 36 y： 每平方米幼蟲 010 頭為 1 級(jí)， 1120 頭為 2 級(jí)， 2140 頭為 3 級(jí)， 40 頭以上為 4 級(jí)。 預(yù)報(bào)因子： x1 誘蛾量 0300 頭為 1 級(jí)， 301600 頭為 2 級(jí)， 6011000 頭為 3 級(jí)， 1000 頭以上為 4 級(jí)。 x2 卵量 0150 塊為 1 級(jí)， 151300 塊為 2 級(jí)， 301550 塊為 3 級(jí)， 550 塊以上為 4 級(jí)。 x3 降水量 毫米為 1 級(jí)， 毫米為 2 級(jí)， 毫米為 3 級(jí)， 毫米以上為 4 級(jí)。 x4 雨日 02 天為 1 級(jí)， 34 天為 2 級(jí)， 5 天為 3 級(jí)， 6 天或 6 天以上為 4 級(jí)。 表 1 x1 x2 x3 x4 y 年 蛾量 級(jí)別 卵量 級(jí)別 降水 量 級(jí)別 雨日 級(jí)別 幼蟲 密度 級(jí)別 1960 1022 4 112 1 1 2 1 10 1 1961 300 1 440 3 .1 1 1 1 4 1 1962 699 3 67 1 1 1 1 9 1 1963 1876 4 675 4 4 7 4 55 4 1965 43 1 80 1 1 2 1 1 1 1966 422 2 20 1 0 1 0 1 3 1 1967 806 3 510 3 2 3 2 28 3 1970 115 1 240 2 1 2 1 7 1 1971 718 3 1460 4 4 4 2 45 4 1972 803 3 630 4 3 3 2 26 3 1973 572 2 280 2 2 4 2 16 2 1974 264 1 330 3 4 3 2 19 2 1975 198 1 165 2 4 5 3 23 3 1976 461 2 140 1 1 5 3 2 3 1977 769 3 640 4 4 3 2 44 4 1978 255 1 65 1 0 1 0 1 11 2 準(zhǔn)備分析數(shù)據(jù) 在 SPSS 數(shù)據(jù)編輯窗口中，創(chuàng)建“年份”、“蛾量”、“卵 量”、“降水量”、“雨日”和“幼蟲密度”變量，并輸入數(shù)據(jù)。再創(chuàng)建蛾量、卵量、降水量、雨日和幼蟲密度的分級(jí)變量“ x1”、“ x2”、 “ x3”、“ x4”和“ y”。它們對(duì)應(yīng)的分級(jí)數(shù)值可以在 SPSS 數(shù)據(jù)編輯窗口中通過計(jì)算產(chǎn)生。編輯后的數(shù)據(jù)顯示如表 2。 表 2 年份 蛾量 卵量 降水量 雨日 幼蟲密度 x1 x2 x3 x4 y 1 1960 1022 112 2 10 4 1 1 1 1 2 1961 300 440 .1 1 4 1 3 1 1 1 3 1962 699 67 1 9 3 1 1 1 1 4 1963 1876 675 7 55 4 4 4 4 4 5 1965 43 80 2 1 1 1 1 1 1 6 1966 422 20 0 0 3 2 1 1 1 1 7 1967 806 510 3 28 3 3 2 2 3 8 1970 115 240 2 7 1 2 1 1 1 37 9 1971 718 1460 4 45 3 4 4 2 4 10 1972 803 630 3 26 3 4 3 2 3 11 1973 572 280 4 16 2 2 2 2 2 12 1974 264 330 3 19 1 3 4 2 2 13 1975 198 165 5 23 1 2 4 3 3 14 1976 461 140 5 2 2 1 1 3 3 15 1977 769 640 3 44 3 4 4 2 4 16 1978 255 65 0 0 11 1 1 1 1 2 啟動(dòng)線性回歸過程 單擊 SPSS 主菜單的“ Analyze”下的“ Regression”中 “Linear”項(xiàng)，打開線性回歸過程窗口。 設(shè)置分析變量 ⑴用鼠標(biāo)選中左邊變量列表中的“幼蟲密度 y”變量，點(diǎn)擊“ Dependent”欄左邊 鍵，該變量移到“ Dependent”欄。 ⑵將左邊變量列表中的 “蛾量 x1”、“卵量 x2”、“降水量 x3”、“雨日 x4”變量，選移到“ independent(s)”自變量顯示欄里。 ⑶將左邊變量列表中的 “年份”選擇為標(biāo)簽變量。 回歸方式 在“ Method”框中選“ Enter”選項(xiàng)，建立全回歸模型。 設(shè)置輸出統(tǒng)計(jì)量 單擊“ Statistics”按鈕，打開統(tǒng)計(jì)量對(duì)話框。選定“ Estimates” 選定“ Model fit”模型擬合度，按“繼續(xù)”。 按“ Save”保存。選定“ Unstandardized”非標(biāo)準(zhǔn)化預(yù)測值 按“繼續(xù)”。 在主對(duì)話框單擊“ Options”按鈕，打開選項(xiàng)對(duì)話框，選定“ Include constant in equation”選項(xiàng)在回歸方程中保留常數(shù)項(xiàng) “ Exclude cases listwise”按列表排除個(gè)案 按“繼續(xù)”。 提交執(zhí)行。在主對(duì)話框里單 擊“ OK” ,提交執(zhí)行，結(jié)果顯示在輸出窗口中。 四、結(jié)果分析 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT y /METHOD=ENTER x1 x2 x3 x4 /RESIDUALS ID(年份 ) /SAVE PRED. 38 回歸 附注 創(chuàng)建的輸出 275 月 2020 16 時(shí) 20 分 14 秒 注釋 輸入 活動(dòng)的數(shù)據(jù)集 數(shù)據(jù)集 0 過濾器 none 權(quán)重 none 拆分文件 none 工作數(shù)據(jù)文件中的 N 行 16 缺失值處理 對(duì)缺失的定義 用戶定義的缺失值作為缺失數(shù)據(jù)對(duì)待。 使用的案例 統(tǒng)計(jì)是在所使用的變量不帶有缺失值的案例基礎(chǔ)上進(jìn)行的。 語法 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT y /METHOD=ENTER x1 x2 x3 x4 /RESIDUALS ID(年份 ) /SAVE PRED. 資源 處理器時(shí)間 00 00:00: 已用時(shí)間 00 00:00: 所需內(nèi)存 2428 個(gè)字節(jié) 殘差圖需要額外內(nèi)存 0 個(gè)字節(jié) 創(chuàng)建或修改的變量 PRE_1 Unstandardized Predicted Value 39 [數(shù)據(jù)集 0] 警告 具有因變量 幼蟲密度 的模型沒有有效案例。無法計(jì)算統(tǒng)計(jì)量。 未找到有效案例。 跳過方程構(gòu)建。 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT y /METHOD=ENTER x1 x2 x3 x4 /RESIDUALS ID(年份 ) /SAVE PRED. 回歸 附注 創(chuàng)建的輸出 275 月 2020 16 時(shí) 24 分 27 秒 注釋 輸入 活 動(dòng)的數(shù)據(jù)集 數(shù)據(jù)集 0 過濾器 none 權(quán)重 none 拆分文件 none 40 工作數(shù)據(jù)文件中的 N 行 16 缺失值處理 對(duì)缺失的定義 用戶定義的缺失值作為缺失數(shù)據(jù)對(duì)待。 使用的案例 統(tǒng)計(jì)是在所使用的變量不帶有缺失值的案例基礎(chǔ)上進(jìn)行的。 語法 REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT y /METHOD=ENTER x1 x2 x3 x4 /RESIDUALS ID(年份 ) /SAVE PRED. 資源 處理器時(shí)間 00 00:00: 已用時(shí)間 00 00:00: 所需內(nèi)存 2444 個(gè)字節(jié) 殘差圖需要額外內(nèi)存 0 個(gè)字節(jié) 創(chuàng)建或修改的變量 PRE_2 Unstandardized Predicted Value [數(shù)據(jù)集 0] 輸入／移去的變量 b 模型 輸入的變量 移去的變量 方法 1 雨日 , 蛾量 , 卵量 , 降水量 . 輸入 41 輸入／移去的變量 b 模型 輸入的變量 移去的變量 方法 1 雨日 , 蛾量 , 卵量 , 降水量 . 輸入 a. 已輸入所有請(qǐng)求的變量。 b. 因變量 : 幼蟲密度 模型匯總 b 模型 R R 方 調(diào)整 R 方 標(biāo)準(zhǔn) 估計(jì)的誤差 1 .894a .799 .726 .619 a. 預(yù)測變量 : (常量 ), 雨日 , 蛾量 , 卵量 , 降水量。 b. 因變量 : 幼蟲密度 Anovab 模型 平方和 df 均方 F Sig. 1 回歸 4 .001a 殘差 11 .384 總計(jì) 15 a. 預(yù)測變 量 : (常量 ), 雨日 , 蛾量 , 卵量 , 降水量。 b. 因變量 : 幼蟲密度 系數(shù) a 模型 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)系數(shù) t Sig. 42 B 標(biāo)準(zhǔn) 誤差 試用版 1 (常量 ) .442 .688 蛾量 .142 .158 .133 .900 .387 卵量 .245 .213 .258 .276 降水量 .210 .224 .244 .936 .369 雨日 .605 .245 .465 .031 a. 因變量 : 幼蟲密度 殘差統(tǒng)計(jì)量 a 極小值 極大值 均值 標(biāo)準(zhǔn) 偏差 N 預(yù)測值 16 殘差 .981 .000 .530 16 標(biāo)準(zhǔn) 預(yù)測值 .000 16 標(biāo)準(zhǔn) 殘差 .000 .856 16 a. 因變量 : 幼蟲密度