多元回归分析(多元回归分析结果解读)

前言介绍 SPSS是一种常用的统计分析软件，其基本功能包括数据管理、统计分析、图表分析、输

 

前言介绍     众所周知，SPSS是一种常用的统计分析软件，其基本功能包括数据管理、统计分析、图表分析、输出管理等等SPSS统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程。

今天我们就来学习回归分析类的多元线性回归     在回归分析中，如果有两个或两个以上的自变量，就称为多元回归事实上，一种现象常常是与多个因素相联系的，由多个自变量的最优组合共同来预测或估计因变量，比只用一个自变量进行预测或估计更有效，更符合实际。

因此多元线性回归比一元线性回归的实用意义更大 在本次陈老师的课程中，以探寻年龄，BMI是否会影响心率为研究背景展开后面的操作。在此次研究过程中，总共有 165名正常人的年龄，BMI，心率数据，如图：

★#Vol.1 SPSS操作步骤 01

文字说明：点击“分析”→“回归”→“线性”02

文字说明：选择对应的自变量和因变量03

文字说明：点击“统计”→“共线性诊断”→“德宾-沃森”，然后点击“继续04

文字说明：点击“图”→“ZRESID”选进Y→“ZPRED”选进X然后点击“继续”，最后点击确定，SPSS软件就会输出多元线性回归的运算结果Vol.2 线性回归模型的诊断  线性回归模型运算结果的分析非常简单，但是线性回归模型的诊断则是非常复杂的过程。

线性回归模型的运算有几个前提条件：Step.11、样本独立：即各个样本之间不会相互干扰；Step.22.残差正态：模型的残差服从正态分布；Step.33.自变量不存在多重共线性：自变量之间不存在极强的相关关系；

只有满足了以上三个条件，那么之前得出的线性回归结果才是准确可靠的。

那么我们接下来学习如何进行判断样本独立性，残差正态以及自变量不存在多重共线性样本独立性的判别  DW值(即“惠宾-沃森”值）在2附近，意味着样本独立，本案例的DW<2，但是偏差也不是很大，存在轻微的非独立性，。

但是影响不大，不会太影响回归结果的准确性。

残差正态的判别：上图中，黑色曲线为正态曲线，而黄色柱子的轮廓远远高于正态曲线，意味着本次模型的残差不服从正态分布出现这种情况的主要原因是模型拟合度R方不高解决这个办法的问题是还要再多加入几个自变量，提升模型的拟合度，那么残差就会接近正态分布。

至于再加什么样的自变量，还需要大家根据自己的专业知识考察

自变量不存在多重共线性的判别：VIF值小于5，意味着变量之间不存在多重共线性，不会影响回归结果的准确性对于经济类数据，关联性本来就很强，这是这个行业决定的，因此有些经济类数据，VIF的临界点可以放宽到30多，都认为不存在多重共线性。

综合以上的线性回归模型的诊断可以得出：回归模型的结果是否准确，也可以基于这个结论给出相关的对策建议。最后，以上回归模型的结果也可以Graphpad prism绘图进行可视化处理。

SPSS的应用领域，在医疗卫生、体育、农业、林业、商业等领域中发挥了巨在作用它功能强大，操作简单，编程方便，可以读取众多格式的数据文件，是业内享有盛誉的统计分析软件，希望通过此次学习，能加深对它的理解谢谢大家，下次再见。

END

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186