多元线性回归案例分析 血糖 一道有关多元线性回归的数据分析
一道有关多元线性回归的数据分析
此类问题，可以用regress（）多元线性回归函数，进行数据分析。函数使用举例：
x1=[。。。。]
x2=[。。。。]
y=[。。。。]
n=length(x1)
X=[ones(n,1) x1 x2]
[a,bint,r,rint,stats] = regress(y,X)
即β0=a(1)，β1=a(2)，β2=a(3)
如何使用SPSS进行多元回归分析
1）准备分析数据
在SPSS数据编辑窗口中，创建变量，并输入数据。再创建分级变量“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。
2）启动线性回归过程
单击SPSS主菜单的“Analyze”下的“Regression”中“Linear”项，将打开线性回归过程窗口。
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“[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“ [x1]”、“ [x2]”、“ [x3]”、“[x4]”变量，选移到“Independent(S)”自变量显示栏里。
设置控制变量:不使用控制变量，可不选择任何变量。
选择标签变量: 选择为标签变量。
选择加权变量:没有加权变量，可不作任何设置。
4）回归方式
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。
5）设置输出统计量
单击“Statistics”按钮，将打开对话框。该对话框用于设置相关参数。其中各项的意义分别为：
①“Regression Coefficients”回归系数选项：
“Estimates”输出回归系数和相关统计量。
“Confidence interval”回归系数的95%置信区间。
“Covariance matrix”回归系数的方差-协方差矩阵。
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。
“Casewise diagnostic”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：
“Outliers outside standard deviations”选择标准化残差的绝对值大于输入值的观测量；
“All cases”选择所有观测量。
提交执行
在主对话框里单击“OK”，提交执行，结果将显示在输出窗口
回归模型统计量：R 是相关系数；R Square 相关系数的平方，又称判定系数，判定线性回归的拟合程度：用来说明用自变量解释因变量变异的程度（所占比例）；Adjusted R Square 调整后的判定系数；Std. Error of the Estimate 估计标准误差。