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等級相關(guān))(62頁)-wenkub.com
2025-04-19 10:30 本頁面
【正文】 變量說明 ： X：大骨節(jié)病陽性率； Y：發(fā)硒。 如：某個自變量為“文化程度”： 1=文盲， 2=小學(xué)， 3=中學(xué)， 4=大學(xué)及以上。 通過繪制 y與 X2的偏相關(guān)散點圖，可以判斷 y與 X1之間存在線性關(guān)系。 特征根 條件指數(shù) , CI 方差比例 共線性診斷 共線性診斷： 兩個自變量之間不存在共線性。 1. 數(shù)據(jù)預(yù)處理：根據(jù)經(jīng)濟學(xué)專業(yè)知識，需要先對 Z ZW作對數(shù)變換，分別記為 X X Y。 （方差膨脹因子， Variance Inflation Factor， VIF ）法：VIF越大，共線性越大。 （ Influential cases；或稱為突出點，outliers） （ Collinear） 當一個（或幾個）自變量可以由其他自變量線性表示時，稱該自變量與其他自變量間存在共線性關(guān)系。 （二）多重回歸分析的適用條件 通過標準化殘差（ Standardized Residuals）、學(xué)生氏殘差（ Studentlized Residuals）來判斷強影響點 。 通過繪制 y與每個自變量的偏相關(guān)散點圖，可以判斷 y與自變量之間是否存在線性關(guān)系。 Y與 X1的簡單相關(guān)系數(shù)為 忽略 X2影響后的 Y與 X1的相關(guān)性。 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。 （ 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 。 ？（ 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。 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。但是出現(xiàn)下列三種情況時，觀測值不是相互獨立的：時間序列、重復(fù)測量等情況。 散點圖顯示：收縮壓與體重指數(shù)之間有線性相關(guān)趨勢，因此可以進一步做直線回歸與相關(guān) Regression, 回歸 Linear, 線性 因變量 自變量 P值 相關(guān)系數(shù) r 決定系數(shù) r2 調(diào)整 r2 截距 a 回歸系數(shù) b sb 標準化回歸系數(shù) t值 P值 F值 給定 X＝ X0，預(yù)測 Y 因變量 自變量 統(tǒng)計 保存（產(chǎn)生新變量，保存在當前數(shù)據(jù)庫） 總體回歸系數(shù)的置信區(qū)間估計 預(yù)測值 非標準化 預(yù)測區(qū)間 Y的均數(shù) 個體 Y值 總體回歸系數(shù)的95％ 置信區(qū)間 預(yù)測值 殘差 X0 Y的預(yù)測值 Y的均數(shù)的置信區(qū)間的下限及上限 個體 Y值的容許區(qū)間的下限及上限 例 2： 由于改革開放政策，深圳特區(qū)中外來人口大幅度增加，為了考察特區(qū)中外來人口對本地經(jīng)濟發(fā)展的貢獻，深圳特區(qū)統(tǒng)計局收集了所屬的寶安縣在 19
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1