多元回归分析SPSS案例.docx

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,⋯,之n)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~,~,~,;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。表2-**********.1474554**********.**********数据保存在“DATA6-”文件中。1)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-”。2)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。范文图2-2线性回归对话窗口3)设置分析变量设置因变量: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。4)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。范文5Statistics2-32-3StatisticsRegressionCoefficientsEstimatesConfidenceinterval95%Covariancematrix-EstimatesResidualsDurbin-WatsonDurbi-nWatsonCasewisediagnosticOutliersoutsidestandarddeviationsAllcasesModelfitANOVARsquaredchangeDescriptives“Partandpartialcorrelation相关系数和偏”相关系数。“Collinearitydiagnostics显示单个变”量和共线性分析的公差。本例子选择“Modelfit项”。6)绘图选项在主对话框单击“Plots按”钮,将打开如图2-4所示的对话框窗口。该对话框用于设置要绘制的图形的参数。图中的“X”和“Y”框用于选择X轴和Y轴相应的变量。图2-4“Plots绘”图对话框窗口左上框中各项的意义分别为:“DEPENDN”T因变量。“ZPRED”标准化预测值。“ZRESID”标准化