SPSS多元回归分析实例.doc

(完整word版)SPSS多元回归分析实例(完整word版)SPSS多元回归分析实例(完整word版)SPSS多元回归分析实例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，…,n)之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0～10.0毫米为1级，10.1~13。2毫米为2级，13.3~17.0毫米为3级,17.0毫米以上为4级；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—1x1x2x3x4y年蛾量级别卵量级别降水量级别雨日级别幼虫密度级别19601022411214。31211011961300144030.111141196269936717。511191196318764675417。147455419654318011.9121111966422220101013119678063510311。82322831976115124020。612171197171831460418。444245419728033630413.433226319735722280213.224216219742641330342.243219219751981165271。84532331976461214017。515328319777693640444。7432444197825516510101112数据保存在“HYPERLINK"javascript:if(confirm('http：//zhibao。swu。edu。cn/epcl/spss/data/DATA5-2.sav%20%20\\n\\n文件并未依％20Teleport％20Pro%20取回，因为%20服务器报告未找到此文件。％20％20\\n\\n你要从服务器上打开它吗?'))window。location=’http://zhibao。swu。edu.cn/epcl/spss/data/DATA5-2.sav’”DATA6—5.SAV”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“HYPERLINK"javascript:if(confirm('http://zhibao。swu.edu.cn/epcl/spss/data/DATA6-5。SAV％20％20\\n\\n文件并未依%20Teleport%20Pro％20取回，因为％20服务器报告未找到此文件。%20%20\\n\\n你要从服务器上打开它吗？’））window。location='http：//zhibao。swu。edu。cn/epcl/spss/data/DATA6-5。SAV'"DATA6—5.SAV”。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.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