Linear 过程 1 0 .1 .1 简单操作入门 调用此过程可完成二元或多元的线性回归分析。在多元线性回归分析中,用户还可根据需要,选用不同筛选自变量的方法(如:逐步法、向前法、向后法,等)。 例 10.1:请分析在数据集 Fat su rfactant.sav 中变量fat 对变量spov l 的大小有无影响? 显然,在这里 spov l 是连续性变量,而 fat 是分类变量,我们可用用单因素方差分析来解决这个问题。但此处我们要采用和方差分析等价的分析方法--回归分析来解决它。 回归分析和方差分析都可以被归入广义线性模型中,因此他们在模型的定义、计算方法等许多方面都非常近似,下面大家很快就会看到。 这里 spov l 是模型中的因变量,根据回归模型的要求,它必须是正态分布的变量才可以,我们可以用直方图来大致看一下,可以看到基本服从正态,因此不再检验其正态性,继续往下做。 10.1.1.1 界面详解 在菜单中选择 Regression==>liner,系统弹出线性回归对话框如下: 除了大家熟悉的内容以外,里面还出现了一些特色菜,让我们来一一品尝。 【Dependent框】 用于选入回归分析的应变量。 【Block 按钮组】 由Previous和Next两个按钮组成,用于将下面Independent框中选入的自变量分组。由于多元回归分析中自变量的选入方式有前进、后退、逐步等方法,如果对不同的自变量选入的方法不同,则用该按钮组将自变量分组选入即可。下面的例子会讲解其用法。 【Independent框】 用于选入回归分析的自变量。 【Method 下拉列表】 用于选择对自变量的选入方法,有Enter(强行进入法)、Stepwise(逐步法)、Remove(强制剔除法)、Backward(向后法)、Forward(向前法)五种。该选项对当前 Independent框中的所有变量均有效。 【Selection Variable 框】 选入一个筛选变量,并利用右侧的Rules钮建立一个选择条件,这样,只有满足该条件的记录才会进入回归分析。 【Case Labels 框】 选择一个变量,他的取值将作为每条记录的标签。最典型的情况是使用记录 ID号的变量。 【WLS>>钮】 可利用该按钮进行权重最小二乘法的回归分析。单击该按钮会扩展当前对话框,出现 WLS Weight框,在该框内选入权重变量即可。 【Statistics 钮】 弹出 Statistics 对话框,用于选择所需要的描述统计量。有如下选项: Regression Coefficients 复选框组:定义回归系数的输出情况,选中 Estimates可输出回归系数 B 及其标准误,t ...