試驗(yàn)設(shè)計(jì)與數(shù)據(jù)統(tǒng)spss.ppt

SPSS軟件應(yīng)用 試驗(yàn)設(shè)計(jì)與數(shù)據(jù)統(tǒng)計(jì)分析 王美美Tel654117 Lab 土槽實(shí)驗(yàn)室202 SPSS簡(jiǎn)介 最初軟件全稱(chēng)為 社會(huì)科學(xué)統(tǒng)計(jì)軟件包 后更改為 統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案 SPSS StatisticalProductandServiceSolutions IBM公司2009年收購(gòu)SPSS 如今SPSS已出至版本19 0 而且更名為PASWStatistics SPSS的基本功能包括數(shù)據(jù)管理 統(tǒng)計(jì)分析 圖表分析 輸出管理等等 SPSS統(tǒng)計(jì)分析過(guò)程包括描述性統(tǒng)計(jì) 均值比較 一般線性模型 相關(guān)分析 回歸分析 對(duì)數(shù)線性模型 聚類(lèi)分析 數(shù)據(jù)簡(jiǎn)化 生存分析 時(shí)間序列分析 多重響應(yīng)等幾大類(lèi) SPSS也有專(zhuān)門(mén)的繪圖系統(tǒng) 可以根據(jù)數(shù)據(jù)繪制各種圖形 1 變量定義與數(shù)據(jù)編輯 1 1DataView和VariableView 1 2定義變量的普通方法 定義變量名單擊 Name 所在列的第一行 就可以輸入要定義的第一個(gè)變量的變量名 定義變量類(lèi)型 定義值標(biāo)簽如名為 溫度 的變量 試驗(yàn)時(shí)它的水平有3個(gè) 60 70 80 就要定義變量標(biāo)簽值 1代表60 2代表70 3代表80 便于數(shù)據(jù)的輸入 其余的幾項(xiàng)可以使用系統(tǒng)默認(rèn)值Missing 變量缺失 Columns 顯示列寬 Align 對(duì)齊方式 Measure 變量分類(lèi) 連續(xù) 有序或無(wú)序 2 均值比較與檢驗(yàn) 2 1單一樣本t檢驗(yàn)OneSampleTTest 單個(gè)樣本T檢驗(yàn)是檢驗(yàn)單個(gè)樣本的均值是否與假設(shè)檢驗(yàn)值 給定的常數(shù) 之間有差異 該過(guò)程計(jì)算每個(gè)數(shù)據(jù)值與總體均值之間差的平均值 進(jìn)行該差值為0的t檢驗(yàn) 并計(jì)算該差值的置信區(qū)間 用戶(hù)可以指定檢驗(yàn)的顯著性水平 通常為95 例題2 1 某地區(qū)12歲男孩平均身高為142 5cm 1973年某市測(cè)量120名12歲男孩身高資料 數(shù)據(jù)編號(hào)data02 01 某市12歲男孩身高與該地區(qū)12歲男孩身高平均值是否相等 分析方法 1 建立假設(shè) H0 u1 u2 H1 u1 u2 2 分析數(shù)據(jù) 3 分析結(jié)果 在95 的置信區(qū)間內(nèi) 如果顯著值p 0 05 則接受原假設(shè) 如果顯著值p 0 05則拒絕原假設(shè) 接受備擇假設(shè) 4 得出結(jié)論 軟件應(yīng)用按AnalyzeCompareMeansOneSampleTTest的順序單擊 打開(kāi)主對(duì)話框 將要作檢驗(yàn)的變量放入TestVariables框中 并在TestValue框中填入檢驗(yàn)值 Option按鈕可以修改顯著水平的設(shè)置 其余的可用系統(tǒng)默認(rèn)值 單擊OK按鈕 輸出結(jié)果 表2 1 表1表示 試驗(yàn)樣本個(gè)數(shù)N 120 試驗(yàn)樣本的平均值為143 048cm 標(biāo)準(zhǔn)差5 8206 均值標(biāo)準(zhǔn)誤差為0 5313 2 表2表示 t 1 032 自由度為119 兩尾t檢驗(yàn)的顯著值 sig p 0 304 樣本均值與檢驗(yàn)值的差為142 5cm 兩尾檢驗(yàn)的區(qū)間為 0 504 1 600 3 p 0 304 0 05 接受原假設(shè) 表明在95 的置信區(qū)間里樣本均值與給定的標(biāo)準(zhǔn)值之間沒(méi)有顯著性差異 因此兩個(gè)地區(qū)男孩平均身高沒(méi)有明顯差異的 表1 練習(xí)題1某輪胎廠的質(zhì)量分析報(bào)告中說(shuō)明 該廠某輪胎的平均壽命在一定的載重負(fù)荷與正常行駛條件下不會(huì)大于25000公里 平均輪胎壽命的公里數(shù)近似服從正態(tài)分布 現(xiàn)對(duì)該廠該種輪胎抽取15個(gè)樣本 試驗(yàn)結(jié)果得樣本均值為27000公里 能否作出結(jié)論 該廠產(chǎn)品與質(zhì)量分析報(bào)告是否相符 表1輪胎抽樣檢驗(yàn)數(shù)據(jù) 數(shù)據(jù)輸入格式 分析結(jié)果 2 2獨(dú)立樣本的t檢驗(yàn)IndependentSamplesTtest 獨(dú)立樣本T檢驗(yàn)用于檢驗(yàn)兩組不相關(guān)的樣本 兩組處理是隨機(jī)的 兩組間彼此獨(dú)立 是否來(lái)自具有相同均值的總體的假設(shè)檢驗(yàn) 特征 兩組樣本數(shù)不一定相等數(shù)據(jù)分析時(shí)首先對(duì)兩個(gè)獨(dú)立樣本的方差進(jìn)行一致性 齊性 檢驗(yàn) 需根據(jù)方差齊性檢驗(yàn)的F值來(lái)判斷選擇給出的兩個(gè)t檢驗(yàn) 方差齊或者不齊 中的一個(gè)來(lái)得出最后的結(jié)論 分析方法 1 建立假設(shè) H0 u1 u2 H1 u1 u2 2 分析數(shù)據(jù) 3 分析結(jié)果 首先對(duì)兩個(gè)獨(dú)立樣本的方差進(jìn)行一致性檢驗(yàn) 如果p 0 05 則兩樣本方差相等 應(yīng)分析第一行t檢驗(yàn)的結(jié)果 如果p 0 05 則兩樣本方差不等 應(yīng)分析第二行t檢驗(yàn)的結(jié)果 4 得出結(jié)論 例2 2有29名13歲男生的身高 體重 肺活量數(shù)據(jù) 試分析身高大于等于155厘米的與身高小于155厘米的兩組男生的體重和肺活量均值是否有顯著性差異 data02 02數(shù)據(jù) 軟件應(yīng)用按AnalyzeComparedMeansIndependent SamplesTTest的單擊 打開(kāi)主對(duì)話框 將要檢驗(yàn)的變量放入TestVariable框中 將分組變量放入GroupingVariable框中 單擊DefineGroups按鈕 確定分類(lèi)變量及連續(xù)變量的分組值分類(lèi)變量選擇Usespecifiedvalues 在Group1或2后面的框中輸入分組的兩個(gè)值如1和2連續(xù)變量選擇Cutpoint 輸入要分界的值 如本例則輸入155 單擊Continue后返回主對(duì)話框 單擊OK按鈕 輸出結(jié)果 1 表3兩組組試驗(yàn)樣本數(shù) 樣本均值 標(biāo)準(zhǔn)差和均值標(biāo)準(zhǔn)誤差 2 表4中兩樣本方差齊性檢驗(yàn) 在95 的置信區(qū)間內(nèi) 體重和身高p 0 198 0 05 肺活量和身高p 0 961 0 05表明兩樣本方差沒(méi)有有顯著差異 因此應(yīng)分析第一行t檢驗(yàn)的值 t 4 056 p 0 155cm和 155cm的身高在體重和肺活量上存在顯著性差異 因此兩種身高對(duì)身高和體重具有顯著性影響 表4 表3 練習(xí)題2為研究噴霧機(jī)兩種不同噴頭的效果 在玉米抽穗期用噴頭1噴8塊玉米地 用噴頭2噴9塊玉米地 收獲時(shí)的產(chǎn)量結(jié)果如表5所示 試檢驗(yàn)兩種噴頭的效果是否顯著不同 表5兩種噴頭試驗(yàn)產(chǎn)量 輸入數(shù)據(jù)格式 參考分析結(jié)果p 0 020 0 05 兩樣本方差有顯著差異 分析第二行t檢驗(yàn)的值 t 0 3175 p 0 008 0 05 則兩個(gè)樣本均值存在顯著性差異 因此兩種噴頭對(duì)玉米產(chǎn)量具有顯著性影響 練習(xí)題3某物質(zhì)在處理前和處理后分別抽樣分析其含脂率如下 假定處理前后的含脂率都服從正態(tài)分布 問(wèn)處理前后的含脂率的平均值是否有顯著變化 0 05 處理前后含脂率試驗(yàn)數(shù)據(jù) 參考分析結(jié)果p 0 262 0 05 認(rèn)為兩樣本方差相等 應(yīng)該考慮第一行t檢驗(yàn)的結(jié)果 樣本方差一致t檢驗(yàn)p 0 019 0 05 可以認(rèn)為樣品處理前后含脂率均值有顯著性差異 2 3配對(duì)樣本t檢驗(yàn)Paired SamplesTTest 將供試的兩樣本置于相同的條件下 進(jìn)行兩種不同的處理來(lái)進(jìn)行比較 所得的觀察值為成對(duì)的數(shù)據(jù) 也即兩樣本彼此不獨(dú)立 應(yīng)該使用配對(duì)T檢驗(yàn) 進(jìn)行配對(duì)樣本T檢驗(yàn)的數(shù)據(jù)文件中的一對(duì)數(shù)據(jù)必須作為同一個(gè)觀測(cè)量中的兩個(gè)變量值 分析方法 1 建立假設(shè) H0 u1 u2 H1 u1 u2 2 分析數(shù)據(jù) 3 分析結(jié)果 分析樣本配對(duì)變量差值的t檢驗(yàn)結(jié)果 4 得出結(jié)論 例2 3有10個(gè)高血壓患者在施以體育療法前后測(cè)定舒張壓 要求判斷體育療法對(duì)降低血壓是否有效 數(shù)據(jù)編號(hào)data02 03 軟件應(yīng)用按AnalyzeComparedMeansPaired SamplesTTest的順序單擊 打開(kāi)主對(duì)話框 將配對(duì)的兩組數(shù)據(jù)變量放入PairedVariables配對(duì)變量框 單擊OK按鈕 輸出結(jié)果 表6 表7 表8 1 表6表示治療前后分別測(cè)試舒張壓的平均值 樣本個(gè)數(shù) 標(biāo)準(zhǔn)差和均值標(biāo)準(zhǔn)誤差的值 2 表7表示兩組數(shù)據(jù)相關(guān)性為0 599 不相關(guān)概率p 0 067 0 05 可以得出在95 的置信區(qū)間內(nèi)兩組數(shù)據(jù)不具有線性關(guān)系 3 表8表示兩組樣本數(shù)據(jù)的差值 t 0 5639 p 0 000 0 05 拒絕原假設(shè) 則兩樣本均值有顯著性差異 因此治療前后舒張壓差異顯著 練習(xí)題4現(xiàn)用一硬度儀以檢驗(yàn)該廠生產(chǎn)的新舊兩種頂針的硬度所給出的讀數(shù)是否一致 本例抽取10條試樣 隨機(jī)將每條試樣分成兩段 設(shè)同一試樣的硬度一致 不同試樣間的硬度可能有異 隨機(jī)選取一端給頂針 測(cè)試 另一頭給頂針 測(cè)試 這就叫配成對(duì)子 重復(fù)10條試樣的測(cè)定 得硬度讀數(shù)如表9所示 表9頂針硬度測(cè)試數(shù)據(jù) 參考分析結(jié)果t 0 264 p 0 798 0 05 接受原假設(shè) 則兩樣本均值沒(méi)有顯著性差異 因此兩種頂針硬度差異不顯著 練習(xí)題5某單位研究飼料中缺乏維生素E與肝中維生素A含量的關(guān)系 將大白鼠按性別 體重等配為8對(duì) 每對(duì)中兩只大白鼠分別喂正常飼料和維生素E缺乏的飼料 一段時(shí)間后測(cè)定其肝中維生素A的含量如下 想知道飼料中缺乏維生素E對(duì)鼠肝中維生素A含量有無(wú)影響 表10對(duì)比試驗(yàn)肝中維生素含量數(shù)據(jù) 參考分析結(jié)果p 0 004 0 05 表明缺乏維生素E對(duì)鼠肝中維生素A的含量有顯著影響 3 方差分析GLM 3 1單因素方差分析OneWayANOVA 單因素方差分析是檢驗(yàn)由單一因素的多組樣本對(duì)因變量的均值是否有顯著差異的問(wèn)題 如果各組之間有顯著差異 說(shuō)明這個(gè)因素對(duì)因變量有顯著影響 因素的不同水平會(huì)影響到因變量的取值 3 1單因素方差分析OneWayANOVA 單因素方差分析是檢驗(yàn)由單一因素的多組樣本對(duì)因變量的均值是否有顯著差異的問(wèn)題 如果各組之間有顯著差異 說(shuō)明這個(gè)因素對(duì)因變量有顯著影響 因素的不同水平會(huì)影響到因變量的取值 3 1 1總體差異性分析例3 1某燈泡廠用4種不同配料方案制成的燈絲 生產(chǎn)了四批燈泡 在每批燈泡中隨機(jī)的抽取若干個(gè)燈泡測(cè)其使用壽命如下 希望知道這四種燈絲生產(chǎn)的燈泡 其使用壽命有無(wú)顯著差異 Data02 04分析 因素 factor 燈絲 4種不同的型號(hào) 稱(chēng)為4個(gè)水平 因變量 dependentlist 燈泡壽命 分析方法 1 建立假設(shè) H0 u1 u2 u3 u4 u5 u 2 分析數(shù)據(jù) 3 分析結(jié)果 用F檢驗(yàn)來(lái)分析因素總體對(duì)因變量影響的顯著性 如果F檢驗(yàn)不顯著 即p 0 05 就不能拒絕原假設(shè) 表明因素對(duì)因變量影響不顯著 4 得出結(jié)論 表11不同燈絲壽命試驗(yàn)數(shù)據(jù) 軟件應(yīng)用按AnalyzeComparedMeansOne WayANOVA的順序單擊 打開(kāi)主對(duì)話框 將因變量放入DependentList 因變量 框 因素變量放入Factor 因素框 其余可采用系統(tǒng)默認(rèn) 單擊OK提交運(yùn)行 表12 表12方差分析中F 1 638 p 0 209 0 05 在95 的置信水平下 不能否定原假設(shè) 即認(rèn)為四種不同的燈絲其使用壽命沒(méi)有顯著差異 練習(xí)題6某飼料場(chǎng)用A B C D四種飼料喂養(yǎng)家禽 研究這四種飼料對(duì)家禽體重的有無(wú)顯著影響 參考分析結(jié)果方差分析中F 157 467 p 0 000 0 05 在95 的置信水平下 否定原假設(shè) 即認(rèn)為四種不同的飼料對(duì)家禽體重有顯著差異 3 1 2個(gè)體差異性分析例3 2 Thetensilestrength 抗拉強(qiáng)度 ofsyntheticfiber 人造纖維 usedtomakeclothformen sshirtsisofinteresttoamanufacturer Itissuspectedthatthestrengthisaffectedbythepercentageofcottoninthefiber Fivelevelsofcottonpercentageareofinterest 15 202530and35percent Fiveobservationsaretobetakenateachlevelofcottonpercentage andthe25totalobservationsaretoberuninrandomorder 表13抗拉強(qiáng)度試驗(yàn)數(shù)據(jù) 分析方法 1 用F檢驗(yàn)來(lái)分析因素總體對(duì)因變量影響的顯著性 如果F檢驗(yàn)顯著 即p 0 05 就拒絕原假設(shè) 表明因素對(duì)因變量影響顯著 需要進(jìn)一步做多重分析 2 根據(jù)方差一致性檢驗(yàn)結(jié)果來(lái)判斷選用哪種方法來(lái)分析數(shù)據(jù) p 0 05 則兩樣本方差相等 應(yīng)分析LSD的結(jié)果 p 0 05 則兩樣本方差不等 應(yīng)分析Tamhane s的結(jié)果 軟件應(yīng)用 PostHocPostHocMultipleComparisonsEqualVarianceAssumed 方差一致 LSD p 0 05 EqualVarianceNotAssumed 方差不一致 Tamhane s p 0 05 Options進(jìn)行輸出統(tǒng)計(jì)量的選擇 Descriptive要求輸出描述統(tǒng)計(jì)量 Homogeneity of variance要求用Levene進(jìn)行方差一致性檢驗(yàn)Meansplot要求輸出均數(shù)分布圖 即根據(jù)各組均數(shù)描繪出因變量的分布情況 1 表15方差分析中F 14 757 p 0 0 05 否定原假設(shè) 因此五種不同的棉花含量對(duì)于抗拉強(qiáng)度具有顯著影響 需進(jìn)行多重比較分析 2 表14方差齊性檢驗(yàn) p 0 061 0 05 認(rèn)為樣本方差沒(méi)有顯著差異 因此方差具有一致性 在多重比較分析時(shí)應(yīng)該選擇 方差相等 的一欄進(jìn)行分析 即分析LSD法 表14 表15 表16 表17 1 由表16LSD法分析可以得出含棉量15 和35 兩種布料的抗拉強(qiáng)度沒(méi)有顯著差異 20 和25 兩種布料的抗拉強(qiáng)度沒(méi)有顯著差異 這兩組布料之間具有顯著差異 上述四種布料的抗拉強(qiáng)度均與30 的具有顯著差異 2 綜合表17和圖1的信息可以認(rèn)為含棉量為30 的布料抗拉強(qiáng)度最好 顯著超過(guò)其他品種 圖1 3 2雙因素方差分析GeneralLinearModel 雙因素方差分析就是討論兩因素 具有不同水平 對(duì)因變量的影響是否顯著的問(wèn)題 雙因素方差分析又可分為雙因素重復(fù)試驗(yàn)的方差分析和雙因素不重復(fù)試驗(yàn)的方差分析雙因素重復(fù)試驗(yàn) 研究?jī)蓚€(gè)因素是否獨(dú)立 有無(wú)交互作用 進(jìn)行重復(fù)試驗(yàn)雙因素不重復(fù)試驗(yàn) 兩個(gè)因素 相互獨(dú)立 無(wú)交互作用 例3 3某廠進(jìn)行橡膠配方試驗(yàn) 考慮了三種不同的促進(jìn)劑 四種不同的氧化鋅 同樣的配方重復(fù)試驗(yàn)兩次 測(cè)得定強(qiáng)如下表 18 以A表促進(jìn)劑因素 B表氧化鋅因素 注腳號(hào)表不同的水平 用量 表18橡膠定強(qiáng)測(cè)定值 3 2 1重復(fù)試驗(yàn)帶交互作用的方差分析分析方法F檢驗(yàn)分析兩因素及其交互影響是否對(duì)結(jié)果影響是否顯著 剔除不顯著地因素繼續(xù)分析 并確定主次順序 根據(jù)方差一致性檢驗(yàn)結(jié)果來(lái)判斷選用哪種方法來(lái)分析數(shù)據(jù) p 0 05 則兩樣本方差相等 應(yīng)分析S N K的結(jié)果p 0 05 則兩樣本方差不等 應(yīng)分析Tamhane s的結(jié)果 軟件應(yīng)用按AnalyzeGeneralLinearModelsUnivariate的順序單擊 將因變量放入Dependent 因變量 框 兩個(gè)因素分別放入FixedFactors 因素 框 軟件應(yīng)用fullfactorialModelcustomBuildTerminteraction兩因素放model 軟件應(yīng)用需判斷各因素對(duì)總變異的貢獻(xiàn)大小 OptionEstimatesofeffectsize 用Eta2大小來(lái)判斷 多重比較 PostHocS N K和Tamhane s optionshomogeneity 方差一致性檢驗(yàn) 數(shù)據(jù)輸入格式 1 表19中促進(jìn)劑和氧化鋅p 0 000 0 001 對(duì)橡膠定強(qiáng)的影響顯著 兩者的交互作用的p 0 767 0 05 對(duì)橡膠定強(qiáng)影響不顯著 因素影響作用主次順序?yàn)檠趸\ 促進(jìn)劑 兩者交互作用 2 由于交互作用對(duì)結(jié)果影響不顯著 因此將其合并如誤差項(xiàng)中 再進(jìn)行方差分析 表19 3 合并誤差項(xiàng)后 再進(jìn)行方差分析得到表20 由于誤差項(xiàng)少了 表20中兩主效應(yīng)的F值比表32中的相應(yīng)值增大 精度提高 表20 4 由表21得方差檢驗(yàn)p 0 781 0 05 因此方差具有一致性應(yīng)選用S N K法比較 5 表22得促進(jìn)劑三個(gè)水平相互差異顯著 水平3的效果最好 表23得氧化鋅2和3沒(méi)有顯著差異 該組和其他水平相互差異顯著 水平4的效果最好 表21 表22 表23 3 2 2不重復(fù)試驗(yàn)的雙因素方差分析 例3 4設(shè)A B C三臺(tái)機(jī)器生產(chǎn)同一產(chǎn)品 4名工人操作機(jī)器各一天 得日產(chǎn)量數(shù)據(jù)如下 問(wèn)機(jī)器間 工人之間在日產(chǎn)量上是否有顯著差異 0 05 分析 因素 有兩個(gè) 1 工人 4個(gè)水平 2 機(jī)器 3個(gè)水平因變量 日產(chǎn)量 表24不同工人操作不同機(jī)器的日產(chǎn)量統(tǒng)計(jì)數(shù)據(jù) 軟件應(yīng)用按AnalyzeGeneralLinearModelsUnivariate的順序單擊 將因變量放入Dependent 因變量 框 兩個(gè)因素分別放入FixedFactors 因素 框 ModelcustomBuildTermMaineffect點(diǎn)擊ok運(yùn)行 數(shù)據(jù)輸入格式 1 機(jī)器的F 29 102 p 0 001 0 05 所以認(rèn)為機(jī)器之間差異顯著 2 工人的F 6 985 p 0 022 0 05 所以認(rèn)為工人之間差異顯著 表25 4 正交試驗(yàn)分析 正交試驗(yàn)分析正交試驗(yàn)數(shù)據(jù)分析方法 直觀分析和方差分析直觀分析 分析因素對(duì)結(jié)果的影響趨勢(shì)及主次順序 方差分析 分析因素對(duì)結(jié)果影響的顯著程度 及主次順序 例4 1為了提高某殺蟲(chóng)藥產(chǎn)品的轉(zhuǎn)化率 即試驗(yàn)指標(biāo) 選擇了三個(gè)有關(guān)因素 反應(yīng)溫度 A 反應(yīng)時(shí)間 B 用堿量 C 選擇的水平見(jiàn)表 26 如果用全面試驗(yàn) 要做 次 但現(xiàn)在用正交設(shè)計(jì)試驗(yàn)只做 次 表26因素與水平安排表 1 各因素影響趨勢(shì)如圖 2 用極差R來(lái)判斷各因素影響的主次順序?yàn)橛芍鞯酱螢锳 C B 3 綜合起來(lái)較好的工藝條件是A3B2C2 但是這個(gè)工藝條件并不在這 次試驗(yàn)之內(nèi) 與之接近的是第 次試驗(yàn) 應(yīng)再做一組對(duì)比試驗(yàn)得出最好的組合 表27正交試驗(yàn)直觀分析表 各因素影響趨勢(shì)圖 操作步驟 analyzeGeneralLinearModelsUnivariate將 result 放入Dependent框 A B C D E五個(gè)因素放入FixedFactors框ModelCustomcontinueOption 將五因素移入Displaymeansfor需判斷各因素對(duì)總變異的貢獻(xiàn)大小可選擇Option中的Estimatesofeffectsize項(xiàng) 用Eta2大小來(lái)判斷 1 由表28可知 因素A對(duì)轉(zhuǎn)化率的影響F 34 33 p 0 028 0 05 可得因素A對(duì)轉(zhuǎn)化率的影響顯著 因素B C的顯著值均大于0 05 因此因素B C對(duì)轉(zhuǎn)化率的影響不顯著 2 因素影響作用主次順序?yàn)锳 C B 表28 5 回歸分析 5 1一元線性回歸Linear要從x indepentent 的數(shù)量變化來(lái)預(yù)測(cè)y depentent 的數(shù)量變化 可做出一條直線來(lái)描繪它們的變化規(guī)律 這樣的一條直線成為y依x的回歸直線 linearregressionline 回歸方程通式 y a bx 軟件應(yīng)用按AnalyzeRegressionLinear的順序單擊 將因變量放入Dependent 因變量 框 將自變量放入Independent 自變量框 框中 PlotsStardardizedResdualPlotsNormalProbabilityplot其余選用系統(tǒng)默認(rèn)值 單擊OK按鈕 提交運(yùn)行 例5 1某學(xué)校對(duì)學(xué)生的體重X與肺活量Y進(jìn)行調(diào)查 數(shù)據(jù)如表29 試用直線回歸方程描述它們的關(guān)系 表29肺活量與體重調(diào)查數(shù)據(jù) 表30數(shù)據(jù)輸入格式 表33常數(shù)項(xiàng)和系數(shù)的t檢驗(yàn)結(jié)果 常數(shù)p 1 0 05 說(shuō)明常數(shù)項(xiàng)無(wú)統(tǒng)計(jì)學(xué)意義 系數(shù)p 0 005 0 05 回歸系數(shù)顯著 因此得肺活量對(duì)體重的回歸直線方程 常數(shù)項(xiàng)無(wú)統(tǒng)計(jì)學(xué)意義 可以考慮回歸方程中不引入常數(shù)項(xiàng) 表31得出模型擬合優(yōu)度 相關(guān)系數(shù)R 0 749 判定系數(shù)R2 0 562 表32得出模型回歸的顯著值p 0 005 0 05 回歸系數(shù)顯著 即x y之間有直線關(guān)系 表31 表33 表32 回歸方程不引入常數(shù)項(xiàng)在前面操作的基礎(chǔ)上選擇options然后不選擇includeconstantinequation 表34 表35 表36 由表34 35可得模型的線性相關(guān)程度和回歸顯著值均優(yōu)于前者 因此得肺活量對(duì)體重的回歸直線方程 y 0 05883x R 0 996 回歸直線圖 5 2多元線性回歸軟件應(yīng)用 AnalyzeRegressionlinear將因變量放入Dependent 因變量框 框中 將自變量放入Independent 自變量框 框中 Model欄中選擇回歸方式Enter 系統(tǒng)默認(rèn) 為全部自變量均引入方程 Stepwise 逐步回歸 直到把不顯著的自變量全部剔除 保留的自變量均顯著為止 Forward 自變量由少到多一個(gè)一個(gè)引入回歸方程 直到不能按檢驗(yàn)水準(zhǔn)引入新的變量為止 Backward 與Forward相反 Remove 為根據(jù)設(shè)定的條件 在建立回歸模型時(shí)刪除自變量 其余選用系統(tǒng)默認(rèn)值 單擊OK按鈕 提交運(yùn)行 在Option選項(xiàng)中 UseprobabilityofF 當(dāng)候選變量中最大F值的顯著值小于或等于引入值 默認(rèn) 0 05 時(shí) 引入相應(yīng)的變量 已進(jìn)入方程的變量中 最小F值的顯著值大于或等于剔除值 默認(rèn) 0 10 時(shí) 剔除相應(yīng)的變量 所設(shè)定的引入值必須小于剔除值 用戶(hù)可自己進(jìn)行設(shè)定 如引入值為0 1 剔除值為0 15 放寬變量進(jìn)入方程的標(biāo)準(zhǔn) UseFvalue 含義同上 例5 229例兒童血液中的血紅蛋白 Y 與鈣 X1 鎂 X2 鐵 X3 錳 X4 銅 X5 的含量如下 用逐步回歸方法篩選對(duì)血紅蛋白有顯著作用的微量元素 表37血紅蛋白與微量元素關(guān)系測(cè)試數(shù)據(jù) 續(xù)表 1 表38顯示變量的引入和剔出 引入的變量是鐵 X3 和鈣 X1 所以模型中只有這兩個(gè)變量 2 表39得出引入鐵和鈣后該模型的相關(guān)系數(shù)為R 0 955 表38 表39 3 表40 模型2方差分析 回歸系數(shù)顯著 4 表41 回歸系數(shù)的t