[ppt模板]spss相关与回归

《[ppt模板]spss相关与回归》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、一个分析实例：3岁男童体重与体表面积编号体重X体表面积Y111.05.283211.85.299312.05.358412.35.292513.15.602613.76.014714.45.830814.96.102915.26.0751016.06.411合计133.457.266分析方法之一将10名儿童按体重分为两组(三组……)结论：体重较重的一组3岁男童的体表面积大于另一组。体重分组体表面积均数组间比较<13.5Kg5.37×103cm2t=-6.04≥13.5Kg6.09×103cm2P<0.001分析方法之二如果想得到的结论为：体重越重，体表面积越大

2、。关联的密切程度相关分析体重为X时，体表面积估计为多少？数量依存关系回归分析0

3、量间无直线相关的关系；H1：ρ≠0，两变量间有直线相关的关系。直线回归系数的t检验回归系数也有抽样误差！检验方法针对回归系数b的检验：t检验针对整个回归方程的检验：方差分析直线回归系数的t检验总体回归系数=0，则回归关系不存在。H0：总体回归系数为0，=0；H1：总体回归系数不为0，0；=0.05。H0：总体回归系数＝0，即体重与体表面积无回归关系；H1：总体回归系数≠0，即体重与体表面积有回归关系。=0.05。=10-2=8按=8查t界值表，得P<0.001。按=0.05水准拒绝H0，接受H1。可以认为体重与体表面积之间有回归关系。回归

4、系数与相关系数的假设检验结果等价。H0：体重与体表面积间无直线回归关系；H1：体重与体表面积间有直线回归关系。α=0.05。列方差分析表步骤一：散点图线性相关步骤二：相关分析步骤三：回归分析简单线性回归分析多元线性回归分析考察多个因素对某一个结果的影响。排除干扰因素(混杂因素)的影响，考察所关心的因素对结果的影响。研究初生儿体重与胎儿的孕龄，头径，胸径的关系孕龄(天)头径(mm)胸径(mm)新生儿体重(g)X1X2X3Y12891011093900228286842500327010210134004284989632005275101100310062851

5、0194320072709810331008259978024009285109102380010268103953200112801079935001226711290350013271100102300014283101106370015287102106390016273103102300017276102983100182761061033650参数估计结果变量回归系数标准误tPx122.166.093.640.003x242.648.604.960.000x320.367.082.880.012截距-9181.341769.60-5.190.000应

6、用条件各个体的结局变量取值应该相互独立、互不影响。各观察对象的观察事件应该相同。探讨各种疾病发生的原因可推广到探讨各种事件发生的原因，只要调查或实验得到的结果或结局是某种事件“发生-不发生”的两分类变量，如阳性-阴性、治愈-未愈、死亡-存活等，都可用Logistic回归分析去探讨其发生的原因。Logistic回归模型的作用、应用范围及应用条件两个结局变量的LogisticSPSS分析命令：Analyze→Regression→BinaryLogistic…例1：比较新疗法与旧疗法治疗某种疾病的疗效。现对40例患者随机分组，分别接受新疗法和旧疗法治疗。根据专业知

7、识，患者的病情严重程度、年龄对疗效也有影响。如何评价新旧疗法的疗效？（注：作为举例，本例样本量仅为40例，由于样本量太小，Logistic回归的结论仅作为参考）两个结局变量的Logistic注：此处将X1、X3看作为连续变量；采用Enter法对模型的检验经统计学检验，模型χ2＝13.951，P=0.023,Logistic回归模型有统计学意义。回归系数标准误Wald值P值OR值OR值95%的可信区间Logistic回归模型为：某高原研究组将籍贯、年龄、身高体重相同接近的30名新战士随机分为三组，甲组为对照组，按常规训练，乙组为锻炼组，每天除常规训练外，接受中速

8、长跑与健身操锻炼，丙组为药物组，除常规