SPSS多元回归分析实例.doc

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2-1

年1960196119621963196519661967197619711972

y幼虫密蛾量级别卵量级别降水量级别雨日级别级别度1022411214.3121101300144030.11114169936717.51119118764675417.14745544318011.91211142222010101318063510311.8232283115124020.61217171831460418.44424548033630413.4332263

x1

x2

x3

x4

197319741975197619771978

572264198461769255

211231

28033016514064065

232141

13.242.271.87.544.70

244141

435530

223321

161923284411

223342

数据保存在“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“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。向右拉按钮，该变量就

5）设置输出统计量单击“Statistics”按钮，将打开如图2-3所示的对话框。该对话框用于设置相关参数。其中各项的意义分别为：

图2-3“Statistics”对话框①“RegressionCoefficients”回归系数选项：“Estimates”输出回归系数和相关统计量。“Confidenceinterval”回归系数的95%置信区间。“Covariancematrix”回归系数的方差-协方差矩阵。本例子选择“Estimates”输出回归系数和相关统计量。②“Residuals”残差选项：“Durbin-Watson”Durbin-Watson检验。“Casewisediagnostic”输出满足选择条件的观测量的相关信息。选择该项，下面两项处于可选状态：“Outliersoutsidestandarddeviations”选择标准化残差的绝对值大于输入值的观测量；“Allcases”选择所有观测量。本例子都不选。③其它输入选项“Modelfit”输出相关系数、相关系数