SPSS:簡單線性回歸分析(圖文案例)

2021-03-06 科研與統計

分享SPSS統計分析方法，使科學研究更容易。

歡迎關注微信公眾號：體育統計交流平臺。

抖音同步更新，抖音號：遊老師ATP。

Ø 根據父母的身高能否預測孩子的身高？

Ø 根據行走時的步態參數能否預測老人跌倒概率？

Ø 哪些因素對標槍成績影響較大？

Ø 導致兒童肥胖的主要因素是什麼？

線性回歸是用直線回歸方程表示兩個數量變量間依存關係的統計分析方法。如果某一個變量隨著另一個變量的變化而變化，並且它們的變化在直角坐標系中呈直線趨勢，就可以用一個直線方程來定量地描述它們之間的數量依存關係。

線性回歸分析中兩個變量的地位不同，其中因變量（y）是依賴自變量（x）而變化。

1.預測功能

父母身高預測孩子身高身高預測體重；行走時的步態參數能否預測老人跌倒概率等。

2.控制功能

如果研究發現爆發力是影響標槍成績的重要因素，那麼提高運動員爆發力將會對標槍成績產生較大影響。

3.描述變量間的關係

描述兩個變量關係時，可以計算出x每變化1個單位，y的變化量。因此，能夠比相關分析更加精確的描述兩個變量間的關係。

案例：根據步態預測老年人動態平衡能力

實驗對象：60歲左右的老年人。

測試內容：老年人步態指標。

Ø 時間類指標：復步時間、單步時間、擺動時間、著地時間。

Ø 空間類指標：COP軌跡長、左右側COP、前後側COP、腳印面積、雙支撐時間、步向角、腳長、單步長、 復步長。

Ø 時空類指標： 單步步速。

Ø 力學指標： 足底平均壓力。

研究目的：根據步態參數預測老年人平衡能力。

本次分析目的：採用單個步態參數預測老年人的動態平衡能力

「因變量」選入因變量「動態平衡得分」；「塊」選入自變量「復步長」。「描述統計」給出了自變量和因變量的平均數與標準差。「模型摘要」介紹了回歸方程擬合情況，決定係數R2越大，回歸模型效果越好。R2=0.349，說明所構建的回歸模型能夠解釋因變量34.9%的信息，模型效果不太好。「ANOVA」是對回歸模型的方差分析結果，也就是對回歸係數的檢驗。方差分析表中P<0.05，回歸模型有統計學意義，能夠起到一定的預測作用。「係數」給出了回歸方程的常數項、回歸係數及其檢驗結果等。常數項a=-12931.342，回歸係數b=33104.840。回歸方程為：

長按二維碼關注公眾號：體育統計交流平臺↓↓↓↓↓

相關焦點

  • SPSS統計分析案例:一元線性回歸
    微信號後臺有非常之多的關於回歸分析的留言，作為最常見的統計分析方法，在工作生活中的應用需求量巨大，這兩天已經為大家選好了案例數據，先從一元線性回歸分析開始。一元線性回歸，顧名思義，僅有一個自變量的回歸模型，研究的是一個因素對結果的影響，可以用於預測，也經常被稱之為簡單線性回歸分析。
  • spss 方法 線性回歸專題及常見問題 - CSDN
    本文收集整理關於spss多元線性回歸結果解讀的相關議題，使用內容導航快速到達。內容導航：Q1：請高手幫忙分析下SPSS的多元線性回歸結果吧~急啊~~~你的回歸方法是直接進入法擬合優度R方等於0.678，表示自變量可以解釋因變量的67.8%變化，說明擬合優度還可以。
  • spss多元線性回歸專題及常見問題 - CSDN
    本文收集整理關於spss多元線性回歸結果解讀的相關議題，使用內容導航快速到達。內容導航：Q1：請高手幫忙分析下SPSS的多元線性回歸結果吧~急啊~~~你的回歸方法是直接進入法擬合優度R方等於0.678，表示自變量可以解釋因變量的67.8%變化，說明擬合優度還可以。
  • SPSS分析技術:線性回歸分析
    在多元線性回歸中，除了要確定各個自變量的係數和常數外，還要分析方程內的每個自變量是否是真正必須的，把回歸方程中的非必需自變量剔除。名詞解釋線性回歸方程：一次函數式，用於描述因變量與自變量之間的內在關係。根據自變量的個數，可以分為一元線性回歸方程和多元線性回歸方程。觀測值：參與回歸分析的因變量的實際取值。
  • SPSS多元線性回歸案例:回歸分析方法實戰
    回歸分析是一種預測性的建模技術，它研究的是因變量(目標)和自變量(預測器)之間的關係。這種技術通常用於預測分析，時間序列模型以及發現變量之間的因果關係。使用曲線/線來擬合這些數據點，在這種方式下，從曲線或線到數據點的距離差異最小。
  • SPSS因子分析案例
    【一、概念】探討具有相關關係的變量之間，是否存在不能直接觀察到的，但對可觀測變量的變化其支配作用的潛在因素的分析方法就是因子分析，也叫因素分析。通俗點：因子分析是尋找潛在的、起支配作用因子的方法。【二、簡單實例】現在有 12 個地區的 5 個經濟指標調查數據（總人口、學校校齡、總僱員、專業服務、中等房價），為對這 12 個地區進行綜合評價，請確定出這 12 個地區的綜合評價指標。【三、解決方案】1、spss因子分析同一指標在不同地區是不同的，用單一某一個指標難以對12個地區進行準確的評價，單一指標智能反映地區的某一方面。
  • 多元線性回歸預測spss - CSDN
    回歸一直是個很重要的主題。因為在數據分析的領域裡邊，模型重要的也是主要的作用包括兩個方面，一是發現，一是預測。而很多時候我們就要通過回歸來進行預測。關於回歸的知識點也許不一定比參數檢驗，非參數檢驗多，但是複雜度卻絕對在其上。回歸主要包括線性回歸，非線性回歸以及分類回歸。本文主要討論多元線性回歸（包括一般多元回歸，含有虛擬變量的多元回歸，以及一點廣義差分的知識）。
  • SPSS|簡單線性回歸(一)
    即，本研究中簡單線性回歸的觀測值具有相互獨立性，滿足假設4。但不得不說，Durbin-Watson檢驗不是萬能的。它僅適用於對鄰近觀測值相關性的檢驗（1st-order autocorrelation）。舉例來說，我們一般按照調查順序錄入數據，將第一位受試者錄入到第一行，再將第二位受試者錄入到第二行。
  • SPSS加權線性回歸案例實踐,解決異方差問題
    線性回歸時要求殘差方差齊次，通俗理解為所有的觀測數據在計算過程中具有相同的貢獻。但是實踐中有時候會出現殘差方差不齊的情況，此時普通最小二乘法不再適用。 通常來說，此類情況可以使用加權的最二乘法（WLS）擬合線性回歸模型。WLS會降低具有較大方差的觀測數據對分析過程的影響。
  • 原創案例:Matlab多元線性回歸分析-逐步回歸
    在多元線性回歸分析中，逐步回歸法是對多個變量進行分析的有效方法。逐步回歸的基本思想是逐個引入自變量，保留影響顯著的變量，剔除影響不顯著的變量，最終使得回歸方程擬合度趨於完美。在Matlab中，函數stepwise的功能就是對需要分析的變量進行逐步回歸，最後得出回歸方程各個擬合信息。Stepwise的簡單用法是stepwize(X,Y)，X是由若干個自變量列向量組成的矩陣，Y是由因變量構成的列向量。
  • spss 非線性回歸 - CSDN
    我們在做問卷分析時，由於因變量多為連續的線性變量，多半會採用線性回歸分析來研究變量之間的關係。此時，一般資料或者人口學變量中，就會含有很多分組或分類的變量，比如性別，學歷等等。 如果因變量在這些人口學變量上存在顯著的差異，那麼做回歸分析時候，就需要將這些存在顯著差異的人口學變量作為控制變量納入線性回歸分析。
  • 簡單線性回歸分析
    線性回歸分析，統計學上是對具有相關性的變量進行定量分析，分析變量之間的定量關係。
  • spss多變量回歸分析 - CSDN
    從而解決了無序分類變量回歸係數b值無法進行取平均值的尷尬局面。logistic回歸啞變量設置logistic回歸啞變量設置的十分簡單，SPSS軟體通過簡單、菜單式的操作既可以完成。Cox回歸啞變量的SPSS操作Cox回歸啞變量設置的十分簡單，且方式與logistic回歸完全一致，SPSS軟體通過簡單、菜單式的操作既可以完成。這裡引用之前的案例開展分析。
  • 數據分析難?教你spss使用的正確姿勢
    軟體不會用，各種數據傻傻搞不清楚，尤其是怎麼分析數據更是暈頭轉向，當然跟著靠譜的老師學習，一邊看實操一邊自己做，這樣肯定事半功倍。本次我們整理出了spss的數據分析教程，都是有實操的，只要跟著做，絕對沒問題！
  • 單變量回歸分析spss - CSDN
    簡單線性回歸模型用於分析1個自變量對1個因變量的影響，或者說是由1個自變量預測1個因變量。但是事物間的聯繫往往是多方面的，因變量的變化往往不是由單個自變量的變化造成的。探索多個自變量對1個因變量的影響時，可以採用：多重線性回歸分析。
  • spss線性回歸自變量因變量專題及常見問題 - CSDN
    轉載自公眾號：青年智囊SPSS多元線性回歸在回歸分析中，如果有兩個或兩個以上的自變量，就稱為多元回歸。事實上，一種現象常常是與多個因素相聯繫的，由多個自變量的最優組合共同來預測或估計因變量，比只用一個自變量進行預測或估計更有效，更符合實際，因此多元線性回歸被廣泛運用。今天大家一起來學習吧！
  • spss協方差分析
    什麼是協方差分析？協方差分析又稱「共變量分析」，是方差分析的引申和擴大。基本原理是將線性回歸與方差分析結合起來，調整各組平均數和 F 檢驗的實驗誤差項，檢驗兩個或多個調整平均數有無顯著差異，以便控制在實驗中影響實驗效應（因變量）而無法人為控制的協變量（與因變量有密切回歸關係的變量）在方差分析中的影響。好吧，聽不懂。簡單舉個例子來說：有一項研究，想知道男生和女生在跑步後的心率是否有差異。
  • SPSS操作:簡單線性回歸(史上最詳盡的手把手教程)
    假設6：等方差性假設7：回歸殘差近似正態分布那麼，進行簡單線性回歸分析時，如何考慮和處理這7項假設呢？簡單線性回歸僅要求回歸殘差接近於正態分布，因此根據上圖，我們認為該研究滿足假設7。同時，值得注意的是，相較於柱狀圖，正態P-P圖可以更加明顯、準確地判斷數據的正態性，具體對比如下。這提示，在判斷正態性時，應謹慎對待柱狀圖的結果，結合正態P-P圖進行全面分析。
  • 多元線性回歸spss結果分析_spss多元線性回歸分析結果分析 - CSDN
    通過查閱北京統計局出示的有關數據以及閱讀相關文獻,搜集北京市近15年的統計資料,基於SPSS多元線性回歸中的逐步回歸分析法,建立回歸模型。
  • 職場SPSS:最優尺度回歸統計分析案例
    普通線性回歸對數據的要求十分嚴格，當遇到分類變量時，線性回歸無法準確地反映分類變量不同取值的距離，比如性別變量，男性和女性本身是平級的，沒有大小、順序、趨勢區分，若直接納入線性回歸模型，則可能會失去自身的意義。最優尺度回歸就是為了解決類似問題，它擅長將分類變量不同取值進行量化處理，從而將分類變量轉換為數值型進行統計分析。