spss中相关与回归分析

表 2 10 名正常成年男性的血浆清蛋白含量及血红蛋白含量检测结果 编号 1 2 3 4 5 血浆清蛋 白含量(x) 35.5 36.5 38.5 37.5 36.5 血红蛋白含 量(y) 119.5 120.5 127.5 126.5 120.5 编号 6 7 8 9 10 血浆清蛋 白含量(x) 35.4 34.5 34.2 34.6 33.5 血红蛋白 含量(y) 118.5 110.5 109.2 108.5 105.3
a. Predictors: (Constant), 身 高 （ cm） b. Dependent Variable: 体 重 （ kg ）
对总体回归 模型检验的F 值
对总体回归 模型检验的 P值
→ Predicted Values →Unstandardize， →Prediction Intervals →Mean，Individual
20:41
29

建立数据文件：身高与体重的回归分析.sav.

定义变量 输入数据 开始分析

绘制散点图 Analyze →Regression→Linear
相关与回归分析
20:41
1
相关与回归分析

双变量相关分析 线性回归
曲线估计
两条回归直线的比较
20:41
2
第一节 双变量相关分析
一、Pearson相关分析 二、Spearman等级相关
20:41
3
一、Pearson相关分析

例1 表1为一项关于儿童健康和发展的研究中10名学龄儿 童的身高和体重资料。
20:41
12
二、Spearman等级相关

例2 某研究者研究10例6个月~7岁的贫血患儿的血红蛋白 含量与贫血体征之间的相关性，结果见表3，请问贫血患 儿的血红蛋白含量与贫血体征之间是否相关?
表3 病人 编号 (1) 1 2 3 4 5 6 7 8 9 10
20:41
贫血患儿的血红蛋白含量(g/dL)和贫血体征 贫血体征 血红蛋白含量 Y X (2) (4) 5.0 +++ 5.8 ++ 6.1 + 7.3 8.8 ++ 9.1 ++ 11.1 12.3 13.5 13.8 13
17

20:41
Fra Baidu bibliotek

主要结果
Correlations 血 红 蛋 白 含 量 （ g/dl） 1.000 . 10 -.741* .014 10 贫 血 体 征 -.741* .014 10 1.000 . 10
Spearman's rho
血 红 蛋 白 含 量 （ g/dl）
贫 血 体 征
Correlation Coefficient Sig . (2-tailed) N Correlation Coefficient Sig . (2-tailed) N
确定系数 调整确 定系数
20:41 35

主要结果
ANOVAb Model 1 Sum of Squares 175.941 27.463 203.404 df 1 8 9 Mean Square 175.941 3.433 F 51.251 Sig . .000a
Reg ression Residual Total


定义变量：体重→Dependent,身高→Independent(s) 选择统计量： 绘制残差图： 计算总体均数的估计值和预测值： 在散点图中添加置信带和预测带：双击散点图进行添加，
Element →Fit Line at total
20:41
30

建立数据文件：身高与体重的回归分析.sav.
20:41
26

建立数据文件：身高与体重的回 归分析.sav.

定义变量 输入数据

开始分析

绘制散点图 Analyze →Regression→Linear


定义变量：体重 →Dependent,身高 →Independent(s)

选择统计量： Statistics →Estimates,Confidence intervals,Model fit,Descriptives
20:41
22

建立数据文件：身高与体重的回归分析.sav.

定义变量
20:41
23

建立数据文件：身高与体重的回归分析.sav.

定义变量 输入数据
20:41
24

建立数据文件：身高与体
重的回归分析.sav.

定义变量 输入数据 开始分析：

绘制散点图：Graphs →Scatter →Simple Scatter →Define

定义变量：身高 →Y Axis，体重→ X Axis
20:41
7

建立数据文件：身高体重 的相关分析.sav.

定义变量 输入数据 开始分析

绘制散点图
假定满足双变量正态分 布：analyze →Correlate →Bivariate

定义变量：身高， 体重→Variables
20:41
27
20:41

建立数据文件：身高与体重的回归分析.sav.


定义变量
输入数据 开始分析

绘制散点图 Analyze →Regression→Linear


定义变量：体重→Dependent,身高→Independent(s) 选择统计量： Statistics →Estimates,Confidence intervals,Model fit,Descriptives 绘制残差图：Plots → DEPENDNT →X:, *ZRESID(标准化残差） →Y:

建立数据文件：血红蛋白的等级相关分析.sav.

定义变量
20:41
14

建立数据文件：血红蛋白的等级相关分析.sav.

定义变量 输入数据
20:41
15

建立数据文件：血红蛋白的等级相关分析.sav.


定义变量
输入数据 开始分析

analyze →Correlate →Bivariate
*. Correlation is significant at the 0.05 level (2-tailed).
总体相关系 数=0的假设 检验的P值
Spearman 相关系数
20:41
18

练习2 将例2的数据进行秩变换，对变换后的变量进行Pearson 相关分析。
20:41
19

练习3 某医院用复方猪胆胶囊治疗219例慢性支气管炎， 结果见下表。问患者疗效与年龄间有无关联?
体 重 （ kg ）
**. Correlation is sig nificant at the 0.01 level (2-tailed).
总体相关系 数=0的假设 检验的P值
Pearson相 关系数
20:41
11

练习1 某医生测得10名正常成年男性的血浆清蛋白含量（ g/L） 及血红蛋白含量（g/L）数据如下，试问两者有无相关关系？
20:41
20
第二节 线性回归分析
一、简单线性回归分析 二、多重线性回归分析
20:41
21
一、简单线性回归分析

例3 表1为一项关于儿童健康和发展的研究中10名学龄儿 童的身高和体重资料。
表1 10名学龄儿童的身高和体重
儿童编号 身高（X） 体重（Y） 1 149.4 30.8 2 167.6 42.6 3 146.3 33.1 4 170.7 44.0 5 161.5 36.3 6 164.6 40.8 7 155.5 32.7 8 158.5 35.4 9 149.4 33.1 10 152.4 31.8
表 4 慢性支气管炎患者各年龄组疗效观察结果 疗效 年龄(岁) 11～ 20～ 30～ 40～ 50～ 合计 治愈 35 32 17 15 10 109 显效 1 8 13 10 11 43 好转 1 9 12 8 23 53 无效 3 2 2 2 5 14 合计 40 51 44 35 49 219
20:41
34

主要结果
b Model Summary
Model 1
R .930a
R Sq uare .865
Adjusted R Sq uare .848
Std. Error of the Estimate 1.8528
a. Predictors: (Constant), 身 高 （ cm） b. Dependent Variable: 体 重 （ kg ）
20:41
33

主要结果
Correlations Pearson Correlation Sig . (1-tailed) N 体 重 （ kg ） 身 高 （ cm） 体 重 （ kg ） 身 高 （ cm） 体 重 （ kg ） 身 高 （ cm） 体 重 （ kg ） 1.000 .930 . .000 10 10 身 高 （ cm） .930 1.000 .000 . 10 10
Element →Fit Line at total →Confidence Intervals →Mean （Individual）
20:41 31

主要结果——散点图
20:41
32

主要结果
Descriptive Statistics 体 重 （ kg ） 身 高 （ cm） Mean 36.060 157.590 Std. Deviation 4.7540 8.3683 N 10 10

定义变量：血红蛋白，贫血体征→Variables
20:41
16

建立数据文件：血红蛋 白的等级相关分析.sav.

定义变量 输入数据

开始分析

analyze →Correlate →Bivariate

定义变量：血 红蛋白，贫血 体征 →Variables
选择统计量： Correlation Coefficients →Spearman
20:41
4

建立数据文件：身高体重的相关分析.sav.

定义变量
20:41
5

建立数据文件：身高体重的相关分析.sav.

定义变量 输入数据
20:41
6

建立数据文件：身高体重的 相关分析.sav.

定义变量 输入数据

开始分析：

绘制散点图：Graphs →Scatter →Simple Scatter →Define
20:41
28

建立数据文件：身高与体重的回归分析.sav.

定义变量 输入数据 开始分析


绘制散点图
Analyze →Regression→Linear

定义变量：体重→Dependent,身高→Independent(s) 选择统计量： 绘制残差图： 计算总体均数的估计值和预测值：Save→

定义变量：体重 →Y Axis，身高→ X Axis
20:41
25

建立数据文件：身高与体 重的回归分析.sav.

定义变量 输入数据 开始分析

绘制散点图
Analyze →Regression→Linear

定义变量：体重 →Dependent,身高 →Independent(s)
8

建立数据文件：身高体重的 相关分析.sav.

定义变量 输入数据
开始分析

绘制散点图 假定满足双变量正态分 布：analyze →Correlate →Bivariate

定义变量：身高， 体重→Variables
选择统计量： Correlation Coefficients →Pearson

定义变量 输入数据 开始分析

绘制散点图 Analyze →Regression→Linear


定义变量：体重→Dependent,身高→Independent(s) 选择统计量： 绘制残差图： 计算总体均数的估计值和预测值： 在散点图中添加置信带和预测带：双击散点图进行添加，
表1 10名学龄儿童的身高和体重
儿童编号 身高（X） 体重（Y） 1 149.4 30.8 2 167.6 42.6 3 146.3 33.1 4 170.7 44.0 5 161.5 36.3 6 164.6 40.8 7 155.5 32.7 8 158.5 35.4 9 149.4 33.1 10 152.4 31.8

20:41
9

主要结果——散点图
20:41
10

主要结果
Correlations 身 高 （ cm） 身 高 （ cm） Pearson Correlation Sig . (2-tailed) N Pearson Correlation Sig . (2-tailed) N 1 10 .930** .000 10 体 重 （ kg ） .930** .000 10 1 10