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)-資料下載頁
2025-04-24 10:30本頁面
【導(dǎo)讀】variable；響應(yīng)變量，responsevariable；結(jié)局變量，outevariable）之間的數(shù)量關(guān)系?；貧w方程都可以計(jì)算出相應(yīng)的Y預(yù)測值。各實(shí)測點(diǎn)到直線的縱向距離的平方和最小。實(shí)際工作中b一般都不為0。要判斷直線回歸方程是否成。立，需要檢驗(yàn)總體回歸系數(shù)?0時(shí)，才能認(rèn)為直線回歸方程成立（具有統(tǒng)計(jì)。的95％置信區(qū)間估計(jì)。之間相互關(guān)系的密切程度和方向。r與b的符號(hào)一致同正同負(fù)。人口與工農(nóng)業(yè)總產(chǎn)值數(shù)據(jù)。數(shù)當(dāng)作兩個(gè)自變量。如果受試對象僅被隨機(jī)。觀測一次，那么一般都會(huì)滿足獨(dú)立性的假定。列、重復(fù)測量等情況。當(dāng)d值接近于2，則殘差之間是不相。估計(jì)模型中系數(shù)的方法：最小二乘方法（LeastSquare，LS），即殘差平方和最小。..bm稱為偏回歸系數(shù)（partialregression. coefficient）：當(dāng)固定其他變量時(shí)，xm每增加一個(gè)單位，數(shù)的修正，是更客觀的指標(biāo)。明回歸模型擬合越好。
【正文】 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。 復(fù)相關(guān)系數(shù) 決定系數(shù) 調(diào)整決定系數(shù) F值 P值 此模型的復(fù)相關(guān)系數(shù)為 ，調(diào)整決定系數(shù)為 ， 反映此模型擬和較好 ；模型經(jīng)統(tǒng)計(jì)學(xué)檢驗(yàn)， F=， P，說明此多元回歸模型有顯著性。 非標(biāo)準(zhǔn)化系數(shù) 標(biāo)準(zhǔn)化系數(shù) t值 P值 簡單相關(guān) 偏相關(guān) 部分相關(guān) 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 Y的影響比 X1大。 特征根 條件指數(shù) , CI 方差比例 共線性診斷 共線性診斷： 兩個(gè)自變量之間不存在共線性。 因?yàn)闃?biāo)準(zhǔn)化殘差、學(xué)生化殘差的絕對值小于 3，所以 從統(tǒng)計(jì)學(xué)上認(rèn)為樣本不存在強(qiáng)影響點(diǎn)。 殘差統(tǒng)計(jì)量 學(xué)生化殘差 標(biāo)準(zhǔn)化殘差 直方圖及 PP圖 從殘差直方圖及 PP圖可見：殘差正態(tài)性不太好，可能與樣本量太小有關(guān)。 通過繪制 y與 X1的偏相關(guān)散點(diǎn)圖，可以判斷 y與 X1之間存在線性關(guān)系。 通過繪制 y與 X2的偏相關(guān)散點(diǎn)圖，可以判斷 y與 X1之間存在線性關(guān)系。 檢查殘差的等方差性： 由圖可見：殘差滿足等方差性。 重要提示： 經(jīng)典的多元線性回歸：自變量和因變量均為連續(xù)變量。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。 如：某個(gè)自變量為“文化程度”： 1=文盲， 2=小學(xué)， 3=中學(xué)， 4=大學(xué)及以上。若以“大學(xué)及以上”為參照，關(guān)心文盲、小學(xué)、中學(xué)分別與大學(xué)及以上的比較，則進(jìn)行回歸分析時(shí)，此自變量須用 3個(gè)啞變量表達(dá)： x1: 1=文盲， 0=其他； x2: 1=小學(xué)， 0=其他； x3: 1=中學(xué)， 0=其他。 三 、 Spearman等級(jí)相關(guān) Spearman等級(jí)相關(guān)是基于秩次的非參數(shù)相關(guān)分析。 主要適用于以下情況： ， X及 Y嚴(yán)重偏離正態(tài)分布； 。 變量說明 ： X：大骨節(jié)病陽性率； Y：發(fā)硒。 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 ），試對其進(jìn)行等級(jí)相關(guān)分析。 例 Pearson相關(guān)系數(shù)（ r） Spearman等級(jí)相關(guān)系數(shù) 例 Pearson相關(guān)系數(shù)（ r） P值 Spearman相關(guān)系數(shù) P值
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1