spss-09-2011.ppt

1、第九章 回归,【例9.1】在四川白鹅的生产性能研究中，得到如下一组关于雏鹅重（g）与70日龄重(g)的数据，试建立70日龄重(y)与雏鹅重(x)的直线回归方程。,表9-1 四川白鹅雏鹅重与70日龄重测定结果 （单位：g）,表9-2 四川白鹅70日龄重与雏鹅重回归关系 方差分析,利用SPSS实现直线回归：,SPSS操作步骤： Analyze Regression Linear dependent: 因变量 independent: 自变量 method: 可选择 enter forward backward stepwise 点击statistics: 出现若干统计选项可供选择 Continue

2、 OK,例9.1 作直线相关、回归分析. H0：x与y无直线相关关系， 即y对x无直线回归关系.,即：x与y有直线相关关系，即y对x有直线回归关系. 建立y对x的直线回归方程：,散点图显示，x、y可能存在直线关联.,经过相关分析：,经过回归分析：,例9.2 火箭电泳实验中，火箭高度y（mm）与免疫球蛋白A的浓度x（IgA，g）数据如表。试做曲线回归分析。,IgA（g） 火箭高度（mm） X=lnx x y=Y 0. 2 7. 6 -1. 6094 0. 4 12. 3 -0. 9163 0. 6 15. 7 -0. 5108 0. 8 18. 2 -0. 2231 1. 0 18. 7 0 1

3、. 2 21. 4 0. 1823 1. 4 22. 6 0. 3365 1. 6 23. 8 0. 4700,做散点图，见左下图。 初步判断 x, y 呈现对数曲线关联，作线性化变换 Y= y, X = lnx ， 新样本数据如上表所示。再作新数据散点图见右上图，已呈现直线关 联， 作直线回归分析得： = 19. 7451 + 7. 7771 X 经检验该直线回归方程有意义。做反变换得曲线回归方程： = 19. 7451 + 7. 7771 lnx,SPSS曲线回归：,Analyzeregressioncurve estimation,例9.2 作曲线回归分析,即：y对x有极显著的对数曲线回

4、归关系. 建立y对x的回归方程：,散点图显示，x、y可能存在对数曲线关系.,经过曲线回归分析，决定系数、回归分析的F值及P值分别为：,例9.3 随机抽测10名女中学生的体重(x1)、胸围(x)、胸围呼吸差(x3)、肺活量(y)，数据如表。试做 y 对诸 xi 的多元线性回归分析。,由SPSS统计软件可建立三元线性回归方程 = -3035.536+60.932x1+37.808x2+101.379x3 H0:1=2=3=0，总体上y 对x1、x2、x3无 线性回归关系。 F=5. 617, P=0. 035，结论：肺活量对体重、 胸围、胸围呼吸差存在线性回归关系。 H0：0=0 总体截距为0，t

5、=-1. 400, P=0. 211,H0：1=0，t =1.679，P=0.14 H0：2=0，t =1.645, P=0.151 H0：3=0，t =0.831, P=0.438 若将显著水平选为0. 25，则体重（x1）、胸围（x2）对y有影响； 但不能说明胸围呼吸差（x3）对y有影响。,SPSS操作步骤：,先观察数据散点图：每个自变量分别与因变量之间的散点图: Graphsscattersimple 做多元线性回归分析： AnalyzeRegressionLinear 把因变量选入 Dependent框 把多个自变量选入 independent框 在Method框中选择 enter 回

6、归,如果酌情从方程中剔除x3，重新建立二元线性回归方程，则由SPSS 软件分析有 = -4187. 416 + 80. 271 x1 + 46. 449 x2 H0:1=2=0 F=8. 453, P=0. 014 结论：肺活量对体重、胸围存在线性回归关系。 H0：0 = 0 总体截距为0，t = -2. 568, P=0. 037 H0：1=0，t =2. 947, P=0. 021 H0：2=0，t =2. 318, P=0. 054 在=0. 25水平上，截距及两个偏回归系数均有意义。 对二元线性回归方程，求两个标准偏回归系数 b1= 0. 612, b2= 0. 481 因 b1 b2

7、，可以认为体重对肺活量的影响大于胸围。 注意：1. 从检验结果看，二元线性回归方程从检验F值、P值及离回归均方大小看，优于三元线性回归方程，这说明引进多元线性回归方程的自变量并非越多越好，适当剔除对因变量y影响较小的自变量，可能会改善多元线性回归方程。2. 各项检验中，显著水平的选取，需结合具体专业问题确定，而不再以=0. 05做为拒绝 H0 的最宽标准。,SPSS操作步骤：,先观察数据散点图：每个自变量分别与因变量之间的散点图: Graphsscattersimple 做多元线性回归分析： AnalyzeRegressionLinear 把因变量选入 Dependent框 把多个自变量选入

8、independent框 在Method框中选择 Stepwise 回归,以例9.3为例，在SPSS软件下，选定1=0. 3,2=0. 4时，将逐 步得到如下几种结果供选择： 1. =1637. 196+290. 903x F=9.064, P=0.017; t0=6.650, P0.001; t3=3.011, P=0.017； 2 =-183. 484+50. 636x1+192. 163x3 F=5.685, P=0.034; t0=-0.126, P=0.903; t1=1.270, P=0.245; t=1. 584,P=0.157； 3. =-3035. 536+60. 932x1+37. 808x2+101. 379x3 F=5.617, P=0.035; t=-1.400, P=0.211; t1=1.679, P=0.144; t2=1.645, P=0.151; t=0. 831, P=0.438； 4. =-4187. 416+80. 271x1+46. 449x2 F=8.453, P=0.014, t=-2.568, P=0.0