Linear 过程10.1.1 简单操作入门调用此过程可完成二元或多元的线性回归分析在多元线性回归分析中，用户还可根据需要， 选用不同筛选自变量的方法（如：逐步法、向前法、向后法，等）例 10.1 ：请分析在数据集 Fat surfactant.sav 中变量 fat 对变量 spovl 的大小有无影响？显然，在这里spovl是连续性变量，而fat是分类变量，我们可用用单因素方差分析来解决这个问题但此处我们要采用和方差分析等价的分析方法--回归分析来解决它 回归分析和方差分析都可以被归入广义线性模型中，因此他们在模型的定义、计算方法等许多方面都非常近似，下面大家很快就会看到这里spovl是模型中的因变量，根据回归模型的要求，它必须是正态分布的变量才可以，我 们可以用直方图来大致看一下，可以看到基本服从正态，因此不再检验其正态性，继续往下 做10.1.1.1 界面详解 在菜单中选择Regression==>liner,系统弹出线性回归对话框如下:除了大家熟悉的内容以外，里面还出现了一些特色菜，让我们来一一品尝Dependent 框】用于选入回归分析的应变量Block 按钮组】由 Previous 和 Next 两个按钮组成，用于将下面 Independent 框中选入的自变量分 组。
由于多元回归分析中自变量的选入方式有前进、后退、逐步等方法，如果对 不同的自变量选入的方法不同，则用该按钮组将自变量分组选入即可下面的例 子会讲解其用法Independent 框】用于选入回归分析的自变量Method 下拉列表】 用于选择对自变量的选入方法，有Enter （强行进入法）、Stepwise （逐步法）、Remove （强 制剔除法）、Backward （向后法）、Forward （向前法）五种该选项对当前Independent 框中的所有变量均有效Selection Variable 框】选入一个筛选变量，并利用右侧的 Rules 钮建立一个选择条件，这样，只有满足 该条件的记录才会进入回归分析Case Labels 框】选择一个变量，他的取值将作为每条记录的标签最典型的情况是使用记录 ID 号的变量WLS>>钮】可利用该按钮进行权重最小二乘法的回归分析单击该按钮会扩展当前对话框， 出现 WLS Weight 框，在该框内选入权重变量即可 Statistics 钮】弹出Statistics对话框，用于选择所需要的描述统计量有如下选项：• Regression Coefficients复选框组：定义回归系数的输出情况，选中Estimates 可输出回归系数B及其标准误，t值和p值，还有标准化的回归系数beta；选 中 Confidence intervals 则输出每个回归系数的 95%可信区间；选中 covariance matrix则会输出各个自变量的相关矩阵和方差、协方差矩阵。
以上选项默认 只选中 Estimates• Residuals 复选框组：用于选择输出残差诊断的信息，可选的有 Durbin-Watson 残差序列相关性检验、超出规定的n倍标准误的残差列表• Model fit复选框：模型拟合过程中进入、退出的变量的列表，以及一些有关拟 合优度的检验：， R， R2 和调整的 R2, 标准误及方差分析表• R squared change复选框：显示模型拟合过程中R2、F值和p值的改变情况• Descriptives复选框：提供一些变量描述，如有效例数、均数、标准差等，同 时还给出一个自变量间的相关矩阵• Part and partial correlations 复选框：显示自变量间的相关、部分相关和偏相关 系数• Collinearity diagnostics 复选框：给出一些用于共线性诊断的统计量，如特征根(Eigenvalues)、方差膨胀因子(VIF)等以上各项在默认情况下只有Estimates和Model fit复选框被选中Plot 钮】弹出Plot对话框，用于选择需要绘制的回归分析诊断或预测图可绘制的有标准化残差的 直方图和正态分布图，应变量、预测值和各自变量残差间两两的散点图等。
Save 钮】许多时候我们需要将回归分析的结果存储起来，然后用得到的残差、预测值等做进一步的分 析,Save钮就是用来存储中间结果的可以存储的有:预测值系列、残差系列、距离(Distances) 系列、预测值可信区间系列、波动统计量系列下方的按钮可以让我们选择将这些新变量存 储到一个新的SPSS数据文件或XML中Options 钮】设置回归分析的一些选项，有：• Stepping Method Criteria 单选钮组：设置纳入和排除标准，可按 P 值或 F 值来设置• Include constant in equation 复选框：用于决定是否在模型中包括常数项， 默认选中• Missing Values 单选钮组：用于选择对缺失值的处理方式，可以是不分析 任一选入的变量有缺失值的记录(Exclude cases listwise)而无论该缺失变量 最终是否进入模型；不分析具体进入某变量时有缺失值的记录( Exclude cases pairwise)；将缺失值用该变量的均数代替(Replace with mean )10.1.1.2 输出结果解释根据题目的要求，我们只需要在 Dependent 框中选入 spovl，Independent 框中选入 fat 即可，其他的选项一律不管。
单击 OK 后，系统很快给出如下结果：Variables Eirtere(i：Remove(lbVariables'Model EnteredVariables； RemovedMethod1 fata•-Entera. All requested variables entered.b. DependentVariable: gjH^i^.biGsn.CG!^这里的表格是拟合过程中变量进入/退出模型的情况记录，由于我们只引入了一个自变量，所以只出现了一个模型1 (在多元回归中就会依次出现多个回归模型)，该模型中fat为进 入的变量，没有移出的变量，具体的进入/退出方法为 enterModel SuininaiyModelRR SquareAdjusted R SquareStd. Error of the Estimate1,578a鷄4.307830a. Predictors-: (Constant), fat www. ：e ^on,ccm上表为所拟合模型的情况简报，显示在模型1中相关系数R为0.578，而决定系数R2为0.334, 校正的决定系数为 0.307ANOVAbModelSum ofSquares；dfMean SquareFSig.1 Regression0.30618.30612.059,002aResidual16.53024.639Total■24.835a. Predictors: (Constant), fatb- Dependent Variable: SPVOL www.biocn.co^这是所用模型的检验结果，可以看到这就是一个标准的方差分析表！有兴趣的读者可以自己 用方差分析模型做一下，就会发现出了最左侧的一列名字不太一样外，其他的各个参数值都 是相同的。
从上表可见所用的回归模型F值为12.059, P值为0.002,因此我们用的这个回 归模型是有统计学意义的，可以继续看下面系数分别检验的结果炉由于这里我们所用的回归模型只有一个自变量，因此模型的检验就等价与系数的检验, 在多元回归中这两者是不同的Coefficients3StandardizedUnstandardized Cbeffi ciEnCoefficients tsModelBStd. ErrorBetatSig.1 J&pnstant)5.097.42711.92^.000fat.700.^02.5733.473.002a. Dependent variable: SPVOL www.bicon.cem上表给出了包括常数项在内的所有系数的检验结果，用的是 t 检验，同时还会给出标化/未标化系数可见常数项和fat都是有统计学意义的，上表的内容如果翻译成中文则如下所示:未标准化系数标准化系数模型系数b系数标准误系数Bt值P值1常数5.0970.42711.9230.000fat0.7000.2020.5783.4730.00210.1.2 复杂实例操作10.1.2.1 分析实例 例 10.2 ：请分析在数据集 plastic.sav 中变量 extrusn、additive、gloss 和 opacity 对变量 tear_res 的大小有无影响？已知 extrusn 对 tear_res 的大小有影响。
显然，这里是一个多元回归，由于除了 extrusn确有影响以外，我们不知道另三个变量有无 影响，因此这里我们将extrusn放在第一个block，进入方法为enter （我们有把握extrusn 一 定有统计学意义）；另三个变量放在第二个block，进入方法为stepwise （让软件自动选择 判断），操作如下：1. Analyze==>Regression==>Liner2. Dependent 框：选入 tear_res3. Independent 框：选入 extrusn； 单击 next 钮4. Independent 框：选入 additive、gloss 和 opacity ； Method 列表框：选择 stepwise5. 单击 OK 钮10.1.2.2 结果解释最终的结果如下：Variables E!iitere(I.Remow(lbModelVariables'EnteredVariable^；RemovedMethod1Extrusion3Enter2AdditiveAmountStepwise-(Criteria:Probability-ol^F-to-ente r<± .050,Probability-ol^F-to-rem ove >= .100).乩 All requested variables entered.b- Dependent V-ariable: Tear Re^istan(?0™W-bioon,C0m上面的表格依次列出了模型的筛选过程，模型1用进入法引入了 extrusn，然后模型2用stepwise法引入了 additive，另两个变量因没有达到进入标准，最终没有进入。
上面的表格翻译出来如下：模型进入的变量移出的变量变量筛选方法1extrusn进入法2additivestepwise法（标准：进入概率小于0.05，移出概率大于0.1）Model SummaryModelRR SquareAdj us 柜 d R SquareStd. Error of the Est。