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)-文庫吧資料
2025-05-04 10:30本頁面
【正文】 mmy b b x b x b x? ? ? ? ?當自變量取某個數(shù)值時， y的預(yù)測值為 Y的均數(shù)的 95％置信區(qū)間 個體 Y值的 95％ 容許區(qū)間 預(yù)測分析時，（ x10， x20…… xm0）應(yīng)該在樣本的自變量取值范圍內(nèi)。 部分相關(guān)系數(shù)： 自變量扣除其他自變量影響之后，因變量與自變量之間的相關(guān)系數(shù)。與簡單相關(guān)系數(shù)（ Pearson相關(guān)系數(shù)）不同；例如：考察因變量 Y與自變量 X1 、 X2的多元回歸分析， Y與 X1的偏相關(guān)系數(shù)為 扣除 X2影響后的 Y與 X1的相關(guān)性。 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)。 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）。 （ Stepwise）： 結(jié)合了前進法和后退法，變量邊進入邊剔除。 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 。 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。 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。 （一）多重回歸分析的任務(wù) 模型擬和的優(yōu)良性指標 R： 復(fù)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。 ？（ 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(yù)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。 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。如果受試對象僅被隨機觀測一次，那么一般都會滿足獨立性的假定。此處把工農(nóng)業(yè)總產(chǎn)值當作因變量（ W），而把外地及本地人口數(shù)當作兩個自變量（ Z1， Z2）。 變量說明： X:體重指數(shù)； Y:收縮壓（ mmHg）。 （ 3） r與 b的假設(shè)檢驗等價 （ 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。從散點圖上， 散點圍繞回歸直線的分布越密集，則兩變量相關(guān)系數(shù)越大； 回歸直線的斜率越大，則回歸系數(shù)越大。 H0： ?=0
教學課件相關(guān)推薦
鄂ICP備17016276號-1