spss多元线性回归分析

SPSS多元线性回归分析试验

在科学研究中，我们会发现某些指标通常受到多个因素的影响，如血压值除了受年龄影响之外，还受到性别、体重、饮食习惯、吸烟情况等因素的影响，用方程定量描述一个因变量y与多个自变量x1、x2、x3.......之间的线性依存关系，称为多元线性回归。

有学者认为血清中低密度脂蛋白增高是引起动脉硬化的一个重要原因。现测量30名怀疑患有动脉硬化的就诊患者的载脂蛋白A、载脂蛋白B、载脂蛋白E、载脂蛋白Ｃ、低密度脂蛋白中的胆固醇含量。资料如下表所示。求低密度脂蛋白中的胆固醇含量对载脂蛋白Ａ、载脂蛋白Ｂ、载脂蛋白Ｅ、载脂蛋白Ｃ的线性回归方程。

spss数据处理步骤：

（１）打开spss输入数据后，点击“分析”－“回归”－“线性”。然后将“低密度脂蛋白”选入因变量框，将“载脂蛋白Ａ”“载脂蛋白Ｂ”“载脂蛋白Ｅ”“载脂蛋白C”依次选入自变量框。方法选为“逐步”。

（2）单击“统计量”选项，原有选项基础上选择“R方变化”。在残差中选“Durbin-Watson”，单击“继续”。

（3）单击“绘制”，将“DEPENDNT”选入“X2”中，将“*SRESID”选入“Y”中，在标准残差图选项中选择“直方图”和“正态概率图”。单击“继续”。

（4）单击“选项”，在原有选项的基础上单击“继续”，最后单击“确定”，就完成了。

数据处理结果如下：

输入／移去的变量a

模型输入的变量移去的变量方法

1 载脂蛋白B . 步进（准则: F-to-enter 的概

率 <= .050，F-to-remove 的

概率 >= .100）。

2 载脂蛋白C . 步进（准则: F-to-enter 的概

率 <= .050，F-to-remove 的

概率 >= .100）。

a. 因变量: 低密度脂蛋白

率越高，模型与数据的拟合程度越好。结果显示：自变量和因变量之间的相关系数为0.733，拟合线性回归的确定性系数为0.538，经调整后的确定性系数为0.503。

，说明两个模型都有统计学意义，模型有统计学意义不等于模型内所有的变量都有统计学意义，还需要进一步对各自变量进行检验。

0.05，均有统计学意义。所以最后的回归方程为y=41.841+1.254x2-2.341x4

其后的标准系数可以用来比较自变量对因变量的影响强度，标准系数的绝对值越

上表为残差的直方图，可见残差分布比较均匀，近似服从正态分布，符合多元回归的条件。

上图为低密度脂蛋白胆固醇对学生化残差的散点图，可见残差围绕均线均匀分布，把部分残差绝对值在2以内，提示方差齐。