多元回归分析SPSS案例.docx

范文 范文 多元回归分析 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： 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。 年x1 年 x1 蛾量 级别 x2 x3 x4 y 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。 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。 图 2-1 或者打开已存在的数据文件“DATA6-5.SAV”。 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。 图 2-2 线性回归对话窗口 3) 设置分析变量 设置因变量： 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 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。 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。 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： 图 2-3 “Statistics”对话框 ①“Regression Coefficients”回归系数选项： “Estimates”输出回归系数和相关统计量。“Confidence in