多元线性回归实习实际例题分析.doc

.- 多元线性回归分析实习 线性回归过程（Linear Regression）可用于分析一个或多个自变量与一个因变量之间的线性数量关系，并可进行回归诊断分析。 [例题3.1] 某地29名13岁男童身高x1（cm），体重x2（kg），肺活量y（L）的实测值数据见表3.1，试建立肺活量与身高、体重的回归关系。 [ 操作过程 ] [ 数据格式 ] 见数据文件 多元线性回归例题.sav Obs 身高（cm） 体重（kg） 肺活量（L） 1 135.1 32.0 1.75 2 163.6 46.2 2.75 3 156.2 37.1 2.75 4 167.8 41.5 2.75 5 145.0 33.0 2.50 6 165.5 49.5 3.00 7 153.3 41.0 2.75 … … … … 29 154.6 39.5 2.50 该数据库有4列29行，即4个变量、29个记录（Observation），每个变量占1列，每个记录占1行，该数据格式为一般多元分析的数据格式。 ② [ 过程 ] Analyze Regression Linear … 单击后可弹出 Linear Regression 线性回归对话框。该对话框内有诸多选项，现分别介绍。 ③　[ 选项 ] Dependent 因变量。只能选入1个因变量，本例选入变量“肺活量”。 Independent 自变量。可以是1个或多个，本例选入变量“身高、体重”。 Block 1 of 1 当选择不同组合的自变量进行回归分析时，可保存每次选择的自变量，用 Previous 按钮和 Next 按钮可分别向前、向后翻找各种自变量的组合。 Method 选择回归模型拟合的分析方法，有5种可供选择。 Enter 强迫引入法，即一般回归分析，所选自变量全部进入方程，为系统默认方式。 Stepwise 逐步回归法，根据在 Options 对话框中设定的标准在计算过程中逐步加入有显著性意义的变量和剔除无显著性意义的变量，直到所建立的方程式中不再有可加入和可剔除的变量为止。 Remove 强迫剔除法。根据设定的条件剔除自变量。 Backward 向后逐步法。所选自变量全部进入方程，根据Options对话框中设定的标准在计算过程中逐个剔除变量，直到所建立的方程式中不再含有可剔除的变量为止。 Forward：向前逐步法。根据Options对话框中设定的标准在计算过程中逐个加入单个变量，直到所建立的方程式中不再有可加入的变量为止。 Selection variable 选择符合某变量条件的观察单位进行分析，每次只能选入1个变量。选入变量后，激活 Rule…按钮，弹出 Set Rule 对话框，选择观察单位范围，有6种方式供选择，在Value框内输入设定值。 equal to 等于设定值。 not equal to 不等于设定值。 less than 小于设定值。 Less than or equal to 小于或等于设定值。 greater than 大于设定值。 greater than or equal to 大于或等于设定值。 Statistics… ：选择需输出的统计量。单击按钮，弹出 Statistics 对话框。 Regression coefficient 回归系数 Estimate 一般回归系数和标准回归系数及其标准误和显著性检验。 Confidence interval 输出一般回归系数的95%可信区间。 Covarience matrix 方差及协方差知阵和相关矩阵。 Model fit 模型检验，给出复相关系数R，决定系数R2及方差分析结果。 R squared change 输出调整R2及相应的F值和P值。 Descriptive 输出每个变量的均数，标准差，样本容量，相关系及单侧检验P值的矩阵。 Part and partial correlation 输出简单相关系数及偏相关系数。 Collinearity 共线性诊断。 Residuals 残差 Dubin-Watson 对残差的顺序相关的Dubin-Watson检验（检验残差间是否独立）。 Casewise diagnostics 个体诊断，给出残差和预测值、标准化残差和标准化预测值的统计