请选择 进入手机版 | 继续访问电脑版
楼主: spssau
205 0

[学习资料] 如何进行逐步回归? [推广有奖]

  • 0关注
  • 4粉丝

讲师

9%

还不是VIP/贵宾

-

威望
0
论坛币
2 个
通用积分
186.6160
学术水平
3 点
热心指数
3 点
信用等级
3 点
经验
5036 点
帖子
163
精华
0
在线时间
387 小时
注册时间
2018-1-14
最后登录
2021-9-22

spssau 发表于 2021-9-14 11:05:11 |显示全部楼层

+2 论坛币
k人 参与回答

经管之家邀请您加入群聊

群内不定期有福利发放!

求职就业群
来和老师们一起学习吧~

经管之家送您一门免费课程

点击免费领取~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币

回归是一种统计方法,可让我们了解自变量和因变量之间的关系。

逐步回归是回归分析中一种筛选变量的过程,我们可以使用逐步回归从一组候选变量中构建回归模型,让系统自动识别出有影响的变量。

理论说明

逐步回归,是通过逐步将自变量输入模型,如果模型具统计学意义,并将其纳入在回归模型中。同时移出不具有统计学意义的变量。最终得到一个自动拟合的回归模型。其本质上还是线性回归。

一、案例背景

研究人员针对血压与年龄,体重,体表面积,持续时间,脉搏率、压力水平之间是否存在关系进行研究。

二、操作步骤

首先,可以分别对变量做相关分析或散点图,初步了解各自变量X与因变量Y的关系。

登录SPSSAU,选择【通用方法】–【相关】或【可视化】–【散点图】。

从相关分析结果看,年龄、体重、体表面积、脉搏频率与血压有显著的正相关关系。

然后,再利用逐步回归进行分析。选择【进阶方法】–【逐步回归】。

逐步回归分析是在回归分析的基础上,加入了一项功能,即自动化移除掉不显著的X,其结果各指标意义与回归分析均一致。逐步回归通常用于探索研究中。

在分析时,可首先对模型情况进行分析,然后分析X的显著性,并判断X对Y的影响关系大小及方向。

根据回归结果显示,最终模型共包含年龄、体重、体表面积共3个自变量。R方值为0.995,意味着年龄,体重,体表面积可以解释血压的99.5%变化原因,说明模型构建较好。

最终具体分析可知:

年龄的回归系数值为0.702(t=15.961,p=0.000<0.01),意味着年龄会对血压产生显著的正向影响关系。

体重的回归系数值为0.906(t=18.490,p=0.000<0.01),意味着体重会对血压产生显著的正向影响关系。

体表面积的回归系数值为4.627(t=3.042,p=0.008<0.01),意味着体表面积会对血压产生显著的正向影响关系。

三、其他说明

逐步回归虽然是很好的选择自变量的方法,但同时这种方法也存在一些缺陷:

首先,该方法按一定顺序添加或删除变量,所以最终会得到由该顺序确定的自变量组合,由系统自动判断哪些变量应该保留,哪些需要移除,可能会出现核心研究变量被移除的情况。

其次,如果逐步回归结果会收到样本量的影响,一般需要适当的大样本才能获得较为可靠的分析结果。

二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:逐步回归 SPSSA 回归分析 回归模型 相关分析

www.spssau.com
您需要登录后才可以回帖 登录 | 我要注册

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2021-9-23 00:58