加载中…如何使用SPSS进行多元回归分析
(2018-08-08 11:00:45)
标签：
spss数据挖掘数据分析大数据分析 |
在大多数的实际问题中，影响因变量的因素不是一个而是多个，我们称这类回问题为多元回归分析。可以建立因变量y与各自变量xj(j=1,2,3,…,n)之间的多元线性回归模型：
http://www.seekbio.com/UploadFiles/2013-04/2/2013041419515269239.jpg
其中：b0是回归常数；bk(k=1,2,3,…,n)是回归参数；e是随机误差。
多元回归在病虫预报中的应用实例:
某地区病虫测报站用相关系数法选取了以下4个预报因子；x1为最多连续10天诱蛾量(头)；x2为4月上、中旬百束小谷草把累计落卵量(块)；x3为4月中旬降水量(毫米)，x4为4月中旬雨日(天)；预报一代粘虫幼虫发生量y（头/m2）。分级别数值列成表2-1。
预报量y：每平方米幼虫0~10头为1级，11~20头为2级，21~40头为3级，40头以上为4级。
预报因子：x1诱蛾量0~300头为l级，301~600头为2级，601~1000头为3级，1000头以上为4级；x2卵量0~150块为1级，15l~300块为2级，301~550块为3级，550块以上为4级；x3降水量0~10.0毫米为1级，10.1~13.2毫米为2级，13.3~17.0毫米为3级，17.0毫米以上为4级；x4雨日0~2天为1级，3~4天为2级，5天为3级，6天或6天以上为4级。
|
|
x1 |
x2 |
x3 |
x4 |
y |
|||||
|
年 |
蛾量 |
级别 |
卵量 |
级别 |
降水量 |
级别 |
雨日 |
级别 |
幼虫密度 |
级别 |
|
1960 |
1022 |
4 |
112 |
1 |
4.3 |
1 |
2 |
1 |
10 |
1 |
|
1961 |
300 |
1 |
440 |
3 |
0.1 |
1 |
1 |
1 |
4 |
1 |
|
1962 |
699 |
3 |
67 |
1 |
7.5 |
1 |
1 |
1 |
9 |
1 |
|
1963 |
1876 |
4 |
675 |
4 |
17.1 |
4 |
7 |
4 |
55 |
4 |
|
1965 |
43 |
1 |
80 |
1 |
1.9 |
1 |
2 |
1 |
1 |
1 |
|
1966 |
422 |
2 |
20 |
1 |
0 |
1 |
0 |
1 |
3 |
1 |
|
1967 |
806 |
3 |
510 |
3 |
11.8 |
2 |
3 |
2 |
28 |
3 |
|
1976 |
115 |
1 |
240 |
2 |
0.6 |
1 |
2 |
1 |
7 |
1 |
|
1971 |
718 |
3 |
1460 |
4 |
18.4 |
4 |
4 |
2 |
45 |
4 |
|
1972 |
803 |
3 |
630 |
4 |
13.4 |
3 |
3 |
2 |
26 |
3 |
|
1973 |
572 |
2 |
280 |
2 |
13.2 |
2 |
4 |
2 |
16 |
2 |
|
1974 |
264 |
1 |
330 |
3 |
42.2 |
4 |
3 |
2 |
19 |
2 |
|
1975 |
198 |
1 |
165 |
2 |
71.8 |
4 |
5 |
3 |
23 |
3 |
|
1976 |
461 |
2 |
140 |
1 |
7.5 |
1 |
5 |
3 |
28 |
3 |
|
1977 |
769 |
3 |
640 |
4 |
44.7 |
4 |
3 |
2 |
44 |
4 |
|
1978 |
255 |
1 |
65 |
1 |
0 |
1 |
0 |
1 |
11 |
2 |
数据保存在“DATA6-5.SAV”文件中。
1）准备分析数据
在SPSS数据编辑窗口中，创建“年份”、“蛾量”、“卵量”、“降水量”、“雨日”和“幼虫密度”变量，并输入数据。再创建蛾量、卵量、降水量、雨日和幼虫密度的分级变量“x1”、“x2”、“x3”、“x4”和“y”，它们对应的分级数值可以在SPSS数据编辑窗口中通过计算产生。编辑后的数据显示如图2-1。
http://www.seekbio.com/UploadFiles/2013-04/2/20134148957569902.jpg
图2-1
或者打开已存在的数据文件“DATA6-5.SAV”。
2）启动线性回归过程
单击SPSS主菜单的“Analyze”下的“Regression”中“Linear”项，将打开如图2-2所示的线性回归过程窗口。
http://www.seekbio.com/UploadFiles/2013-04/2/20134143343667505.jpg
图2-2
线性回归对话窗口
3) 设置分析变量
设置因变量：用鼠标选中左边变量列表中的“幼虫密度[y]”变量，然后点击“Dependent”栏左边的http://www.seekbio.com/UploadFiles/2013-04/2/20134148074988447.jpg向右拉按钮，该变量就移到“Dependent”因变量显示栏里。
设置自变量：将左边变量列表中的“蛾量[x1]”、“卵量[x2]”、“降水量[x3]”、“雨日[x4]”变量，选移到“Independent(S)”自变量显示栏里。
设置控制变量: 本例子中不使用控制变量，所以不选择任何变量。
选择标签变量: 选择“年份”为标签变量。
选择加权变量:
本例子没有加权变量，因此不作任何设置。
4）回归方式
本例子中的4个预报因子变量是经过相关系数法选取出来的，在回归分析时不做筛选。因此在“Method”框中选中“Enter”选项，建立全回归模型。
5）设置输出统计量
单击“Statistics”按钮，将打开如图2-3所示的对话框。该对话框用于设置相关参数。其中各项的意义分别为：
http://www.seekbio.com/UploadFiles/2013-04/2/20134144260537984.jpg
图2-3
“Statistics”对话框
“Regression Coefficients”回归系数选项：
http://www.seekbio.com/UploadFiles/2013-04/2/20134147986420673.jpg“Estimates”输出回归系数和相关统计量。
“Residuals”残差选项：
http://www.seekbio.com/UploadFiles/2013-04/2/20134143372987924.jpg“Durbin-Watson”Durbin-Watson检验。
本例子都不选。
http://www.seekbio.com/UploadFiles/2013-04/2/20134147986420673.jpg“Model
fit”输出相关系数、相关系数平方、调整系数、估计标准误、ANOVA表。
本例子选择“Model
fit”项。
6）绘图选项
在主对话框单击“Plots”按钮，将打开如图2-4所示的对话框窗口。该对话框用于设置要绘制的图形的参数。图中的“X”和“Y”框用于选择X轴和Y轴相应的变量。
http://www.seekbio.com/UploadFiles/2013-04/2/20134144437656559.jpg
图2-4“Plots”绘图对话框窗口
左上框中各项的意义分别为：
- “DEPENDNT”因变量。
- “ZPRED”标准化预测值。
- “ZRESID”标准化残差。
- “DRESID”删除残差。
- “ADJPRED”调节预测值。
- “SRESID”学生氏化残差。
- “SDRESID”学生氏化删除残差。
“Standardized Residual Plots”设置各变量的标准化残差图形输出。其中共包含两个选项：
“Produce all partial plot”偏残差图。对每一个自变量生成其残差对因变量残差的散点图。
本例子不作绘图，不选择。
7) 保存分析数据的选项
在主对话框里单击“Save”按钮，将打开如图2-5所示的对话框。
http://www.seekbio.com/UploadFiles/2013-04/2/20134144871579981.jpg
图2-5
“Save”对话框
“Predicted Values”预测值栏选项：
“Distances”距离栏选项：
“Prediction Intervals”预测区间选项：
“Save to New File”保存为新文件：
“Export model
information to XML file”
“Residuals”
“Influence Statistics” 统计量的影响。
本例子不保存任何分析变量，不选择。
8）其它选项
在主对话框里单击“Options”按钮，将打开如图2-6所示的对话框。
http://www.seekbio.com/UploadFiles/2013-04/2/20134141332765228.jpg
图2-6
“Options”设置对话框
“Stepping Method Crite
喜欢
0
赠金笔