SPSS17.0在生物统计学中的应用-实验五、方差分析 六、简单相关与回归分析

SPSS在生物统计学中的应用——实验指导手册

图 6.2 “双变量相关性：选项”对话框

统计量。对于Pearson 相关性，您可以选择以下一项或两项：

", 均值和标准差。为每个变量显示。还显示具有非缺失值的个案数。无论缺失值设置如何，都将逐变量处理缺失值。

", 叉积偏差和协方差。为每对变量显示。偏差的叉积等于校正均值变量的乘积之和。这是Pearson 相关系数的分子。协方差是有关两个变量之间关系的一种非标准化度量，等于叉积偏差除以N–1。 缺失值。您可以选择以下选项之一：

", 按对排除个案。会从分析中排除对其计算相关系数的一对变量中一个或两个含有缺失值的个案。由于每个系数均基于对特定变量对具有有效代码的所有个案，因此在每次计算中会使用可用的最大信息量。这可能因为个案数不同而产生一组系数。

", 按列表排除个案。从所有相关性中排除对任意变量有缺失值的个案。

点击【继续】按钮，返回主对话框（“单变量”对话框），点击【确定】按钮后，结果输出窗口看分析结果。

表6.1 双变量相关性分析基本统计量表

Descriptive Statistics 体重X 饲料消耗量Y Mean 4.980 93.560 Std. Deviation .4131 3.8816 N 10 10

表6.2 双变量相关性分析表

Correlations 体重X Pearson Correlation Sig. (2-tailed) N 体重X 1 饲料消耗量Y .818 .004 ** 10 .818 .004 10 **10 1 饲料消耗量Y Pearson Correlation Sig. (2-tailed) N 10 **. Correlation is significant at the 0.01 level (2-tailed).

㈡ 两个变量间的线性回归分析

打开数据文件“线性相关与回归分析数据.xls”，依次选择“【分析】→【回归】→【线性】”打开“线性回归”

太原师范学院生物系生物技术专业内部使用参考资料

SPSS在生物统计学中的应用——实验指导手册

对话框如图，将待分析的2个指标移入右边的变量列表框内。其他均可选择默认项。

图 6.3 “线性回归”对话框

在“线性回归”对话框中，选择一个数值型因变量。 选择一个或多个数值型自变量。

根据需要，您可以： ??将自变量分组成块，并对不同的变量子集指定不同的进入方法。 ??选择一个选择变量，将分析限于包含此变量特定值的个案子集。 ??选择个案标识变量，用于标识图上的点。 ??选择数值型WLS 权重变量以进行加权最小平方分析。

WLS： 允许您获取加权最小平方模型。以数据点方差的倒数对数据点进行加权。这意味着 方差较大的观察值对分析的影响比方差较小的观察值要小。如果加权变量的值为0、负 数或缺失，则将该个案从分析中排除。

本题中，因只有一个自变量，故只需选择自变量和因变量即可，点击【统计量】按钮，弹出“线性回归：统计量”对话框，可选择需要输出的基本统计量，

太原师范学院生物系生物技术专业内部使用参考资料

SPSS在生物统计学中的应用——实验指导手册

图 6.4 “线性回归：统计量”对话框

我们选择默认的“估计”、“模型拟合度”和“描述性”。点击继续返回主对话框（“线性回归”对话框），点击【绘制】按钮，弹出“线性回归：图”对话框，

图 6.5 “线性回归：图”对话框

可以帮助验证正态性、线性和方差相等的假设。对于检测离群值、异常观察值和有影响的个案，图也是有用的。在将它们保存为新变量之后，在数据编辑器中可以使用预测值、残差和其他诊断以使用自变量构造图。以下图是可用的：

散点图：您可以绘制以下各项中的任意两种：因变量、标准化预测值、标准化残差、剔除残差、调整预测

值、Student 化的残差或Student 化的已删除残差。针对标准化预测值绘制标准化残差，以检查线性关系和等方差性。

源变量列表：列出因变量(DEPENDNT) 及以下预测变量和残差变量：标准化预测值(*ZPRED)、标准化残差

(*ZRESID)、剔除残差(*DRESID)、调整的预测值(*ADJPRED)、学生化的残差(*SRESID) 以及学生化的

太原师范学院生物系生物技术专业内部使用参考资料

SPSS在生物统计学中的应用——实验指导手册

已删除残差(*SDRESID)。

生成所有部分图：当根据其余自变量分别对两个变量进行回归时，显示每个自变量残差和因变量残差的散

点图。要生成部分图，方程中必须至少有两个自变量。

标准化残差图：您可以获取标准化残差的直方图和正态概率图，将标准化残差的分布与正态分布进行比较。 如果请求了任意图，则将显示标准化预测值和标准化残差（*ZPRED 和*ZRESID）的摘要统计。

本题中，不需要此项，故保持默认。点击继续返回主对话框（“线性回归”对话框），点击【保存】按钮，弹出“线性回归：保存”对话框，本题中，不需要此项，故保持默认。点击继续返回主对话框（“线性回归”对话框），点击【选项】按钮，弹出“线性回归：选项”对话框，

图 6.6 “线性回归：选项”对话框

可用选项有：

步进方法标准：这些选项在已指定向前、向后或逐步式变量选择法的情况下适用。变量可以进入到模型中，或者从模型中移去，这取决于F 值的显著性（概率）或者F 值本身。

??使用F 的概率。如果变量的F 值的显著性水平小于“输入”值，则将该变量选入到模型中，如果该显著性水平大于“剔除”值，则将该变量从模型中移去。“输入”值必须小于“剔除”值，且两者均必须为正数。要将更多的变量选入到模型中，请增加“输入”值。要将更多的变量从模型中移去，请降低“剔除”值。 ??使用F 的值。如果变量的F 值大于“输入”值，则该变量输入模型，如果F 值小于“剔除”值，则该变量从模型中移去。“输入”值必须大于“剔除”值，且两者均必须为正数。要将更多的变量选入到模型中，请降低“输入”值。要将更多的变量从模型中移去，请增大“剔除”值。

在等式中包含常量：缺省情况下，回归模型包含常数项。取消选择此选项可强制使回归通过原点，实际上很少这样做。某些通过原点的回归结果无法与包含常数的回归结果相比较。例如，不能以通常的方式解释R2。 缺失值：您可以选择以下选项之一：

??按列表排除个案。只有所有变量均取有效值的个案才包含在分析中。 ??按对排除个案。使用正被相关的变量对具有完整数据的个案来计算回归分析所基于的相关系数。自由度基于最小成对N。 ??使用均值替换。将所有个案用于计算，用变量的均值替换缺失观察值。

太原师范学院生物系生物技术专业内部使用参考资料

SPSS在生物统计学中的应用——实验指导手册

本题中，不需要此项，故保持默认。点击继续返回主对话框（“线性回归”对话框），点击【确定】按钮后，在输出视图中看结果，

表6.3 体重与饲料消耗量相关系数表 Correlations 体重X 饲料消耗量Y 1.000 .818 . .002 10 10 体重X .818 1.000 .002 . 10 10 Pearson Correlation 饲料消耗量Y Sig. (1-tailed) 饲料消耗量Y 体重X N 饲料消耗量Y 体重X

表6.4 回归分析的常用统计量表 Model Summary Model 1 R 相关系数 .818 aR Square 决定系数 .670 Adjusted R Square Std. Error of the Estimate 校正的决定系数 估计值的标准误 .629 2.3656 a. Predictors: (Constant), 体重X

表6.5 回归关系的方差分析表 ANOVA Model 1 Regression 回归 Residual 离回归 Total Sum of Squares 90.836 44.768 135.604 df 1 8 9 Mean Square 90.836 5.596 F 16.232 Sig. .004 ab a. Predictors: (Constant), 体重X b. Dependent Variable: 饲料消耗量Y

表6.6 回归系数及回归系数的 t 检验表

Coefficients Unstandardized Coefficients Model 1 (Constant) 体重X B 55.263 7.690 Std. Error 9.535 1.909 Standardized Coefficients Beta t 5.796 4.029 Sig. .000 .004 a .818 a. Dependent Variable: 饲料消耗量Y 回归方程：

??7.69x?55.263 与课本的结果进行对比。 y太原师范学院生物系生物技术专业内部使用参考资料