spss 非線性回歸 - CSDN

2021-01-20 CSDN技術社區

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。

但多分類變量在線性回歸中不能直接作為自變量進行運算，這就需要使用我們今天講解的虛擬線性回歸分析了。下面就通過實際案例來詳細講解。

我們搜集了558名樣本的壓力、心理、STS及一般資料數據，想研究壓力及心理是否會顯著影響STS，此前已經算出，受傷、身體、加班、認同為STS差異顯著的因素，因此這4個變量將作為控制變量納入回歸分析(圖1)。可以看到這4個變量都為分組分類變量，不能直接作為自變量進行回歸分析，必須先進行虛擬化，下面就來講解如何虛擬化的spss操作步驟。

圖1

虛擬化操作步驟：

以數據中「身體」為例子，身體分為「差」「一般」「良好」3個類，我們要將每一個類單獨虛擬成一列變量，並以0否1是的形式重新賦值，但是3個類，我們需要選擇一類作為參考類別，所以只用虛擬2個類別即可。

①點擊「轉換」--「重新編碼為不同變量」(圖2)，將「身體」選入右側數字變量框中，再填入新生成的變量名，這裡就為第一類「身體差」，寫好後，點擊變化量，表示將原來的「身體」變量重新轉碼為「身體差」變量(圖3)

圖2

圖3

②再點擊「舊值和新值」進行轉碼賦值，原來的「身體」變量中「身體差」的編碼為1，這裡轉換為新的「身體差」變量後就為「是=1」，而原來的身體一般和身體良好則全部編碼為「非身體差」也就是「否=0」，因此我們將舊值1賦為1，舊值的其餘值全部賦值為0(圖3-圖5)後，點擊確定，即完成對「身體差」這一新變量的虛擬化。

圖4

圖5

圖6

③接下來，同理將「身體一般」的一類虛擬化出來，區別就是將舊值的2類賦值為新的1，其餘為0(圖7)

圖7

④而第3類 身體良好則不用虛擬化，作為默認參考類別即可，則得到「身體」的虛擬變量2個，「身體差」和「身體一般」(圖8)

圖8

⑤同理，我們將其餘3個控制變量進行虛擬化(圖9)

圖9

⑥再進行常規的線性回歸操作，分別以STS為因變量，壓力、心理、及受傷、身體差、身體一般、加班數≤1，加班數2-3，認可為自變量，進行回歸分析(圖10)

圖10

⑦分析結果

圖11

由以上分析結果可以看出：壓力4、壓力5、心理1能顯著負向影響STS，P<0.05，B<0。而控制變量這裡只做控制效果，不做影響因素分析，因此不用過多分析。

以上就是今天講解的SPSS虛擬線性回歸分析的應用與操作詳解，今後還會有更多SPSS統計分析文章更新，敬請大家關注！

本期課程就到這裡哦，感謝大家耐心觀看！每日更新，敬請關注！

【杏花開生物醫藥統計】微信公眾號(xhkdata)

【杏花開生物醫藥統計】相關文章：

· SPSS進行中介效應檢驗的實戰操作與分析

· AMOS結構方程教程，SPSS調節效應分析操作與結果的詳細解讀

· SPSS混合線性模型在生物醫藥統計中的應用與操作

· SPSS無序Logistic回歸在生物醫藥統計分析中的應用

· AMOS處理生物醫藥問卷中的中介效應分析

· AMOS進行問卷分析效度分析之驗證因子分析

· SPSS調節回歸分析在生物醫藥統計分析中應用

· SPSS重複測量方差分析在生物醫藥中的應用

· SPSS進行組間差異比較及其兩兩比較

· SPSS獨立樣本T檢驗與SPSS單因素方差分析

· GraphPad Prism繪製ROC曲線具體操作步驟

· SPSS進行連續型數據的正態分布檢驗

· SPSS有序Logistic回歸的具體操作

· SPSS生存分析在生物醫藥統計中的應用之COX風險比例回歸

· SPSS二元Logistic回歸在生物醫藥統計分析中的應用

· Medcalc軟體精準比較多個指標診斷準確率

· SPSS多元線性回歸的應用操作及分析

· SPSS和GraphPad如何比較組內和組間差異

· AMOS結構方程進行醫學問卷量表分析教程

· SPSS生存分析在生物醫藥統計中的應用

· GraphPad Prism統計繪圖之柱狀圖、箱式圖

· SPSS中對問卷數據進行探索因子分析的詳細操作與結果解讀

· SPSS問卷數據統計分析之項目分析

· Excel進行線性回歸模型分析的操作

· SPSS中常用的參數和非參數檢驗方法

· ROC曲線在SPSS中的操作及應用

· 一文讀懂R語言如何實現逐步回歸分析

· R語言中如何繪製散點圖和箱線圖？

· SPSS中的Variable數據變量類型介紹

· 相關性分析在SPSS中的操作，相關係數含義

· 一文讀懂SPSS單因素方差分析及方差分析

· 線性回歸決定係數R方的計算方法及具體意義

· 醫學和生物統計全過程

· 生物和醫學統計中的假設檢驗

· GraphPad Prism繪製生存曲線詳細教程

相關焦點

  • spss 非線性回歸專題及常見問題 - CSDN
    我們主要是想驗證授權型領導行為與任務績效存在倒U型關係，而自我決定感中介了這一曲線關係，具體內容請大家自行對照論文——《授權型領導行為對員工任務績效的非線性影響機制 》。 主要採用層次回歸的方法進行數據分析，操作起來並不難。首先，對授權型領導行為、自我決定感進行中心化處理（即變量減去它的均值），分別構建二次項。
  • 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。
  • 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）。
  • 回歸分析spss步驟 - CSDN
    我們的教程中曾詳細講述了SPSS線性回歸分析，儘管線性回歸可以滿足絕大多數的數據分析，但是在現實情況中，並不能適用於所有的數據，當因變量和自變量之間的關係我們無法確定是否為線性或者其他非線性類型的模型關係時候，那麼我們就需要用到曲線回歸，來確定因變量和自變量之間到底最適合什麼樣的模型。
  • spss卡方_spss卡方檢驗 - CSDN
    spss中交叉分析主要用來檢驗兩個變量之間是否存在關係，或者說是否獨立，其零假設為兩個變量之間沒有關係。在實際工作中，經常用交叉表來分析比例是否相等。例如分析不同的性別對不同的報紙的選擇有什麼不同。
  • 非線性回歸
    為了使研究結果更準確，需建立能很好地擬合研究變量關係的模型，即非線性回歸模型。由於非線性回歸模型遠比線性回歸模型複雜，本次只介紹一般思路（一）非線性回歸當不能通過變量變換的方法使曲線直線化或直線進行曲線擬合時，需利用非線性最小二乘估計的原則，一般由統計軟體完成。
  • 教你spss使用的正確姿勢
    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！全部內容共有10G，有需要這門課程的同學記得保存。一起來看看都有什麼內容吧！02.第二課：數據錄入與數據整理03.第三課：描述性統計分析04.第四課：統計圖表分析05.第五課：假設檢驗概述與t檢驗06.第六課：非參數檢驗與卡方檢驗07.第七課：相關分析與回歸案例
  • SPSS教程-回歸分析
    SPSS702:46來自LearningYard學苑//SPSS//Course//回歸分析SPSS01 線形回歸分析 BREEZE步驟一：在菜單欄中找到分析→回歸→線性，打開「線性回歸」對話框；步驟二：將變量「財政收入」移入因變量框 ，「國內生產總值」移入自變量框；步驟三：打開「統計」對話框，勾選「估計」和「模型擬合度」；步驟四：打開「圖」對話框，將DEPENDENT作為y軸，*ZPRED為x軸作圖
  • 單變量回歸分析spss - CSDN
    圖9給出了各模型自變量的偏回歸係數估計值、標準化後的偏回歸係數，以及回歸係數的顯著性檢驗結果。回歸方程：標準化偏回歸係數：由於不同自變量的偏回歸係數的量綱不同，需要比較各自變量對因變量影響程度時，無法根據偏回歸係數值的大小直接進行比較。標準化偏回歸係數是偏回歸係數標準化的結果，排除了量綱和自變量離散程度差異的影響，可以根據絕對值的大小判斷自變量的重要程度。標準化偏回歸係數分別為0.780，0.708，-0.233。
  • spss多變量回歸分析 - CSDN
    回歸分析的棘手問題--非線性關係1回歸分析要求自變量與應變量存在著線性關係回歸分析主要探討自變量x與研究結局變量y的關係，無論線性回歸，logistic回歸或者COX回歸都要求x與y或者y的轉換存在著線性關係。
  • 第四十四講 R-非線性回歸
    當自變量（預測變量）與因變量（結果變量）的真實關係為非線性時，之前學過的線性回歸模型將不再適用。當出現非線性關係的時候，有多種解決方案可擴展線性回歸模型以捕獲這些非線性效應，包括：在非線性回歸模型中，選擇最適合擬合模型的精準度與線性模型一樣（第四十一講 R-判斷回歸模型性能的指標），使用均方根方差（root mean square deviation, RMSE）和R平方（R2）。
  • 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。
  • spss聚類分析功能怎麼使用?spss聚類分析教程
    spss 是一個非常好用的統計分析軟體，spss有一個聚類分析的功能哦，但是很多人不知道spss聚類分析功能怎麼使用？spss聚類分析是一個將case分析的數據的功能哦，下面小編就來告訴大家spss聚類分析使用教程吧！
  • spss怎麼分析因子?spss因子分析法詳細步驟
    spss不僅可以分析主成分 ，還可以分析因子哦，但是很多朋友不知道spss怎麼分析因子？小編下面有一個spss因子分析法詳細步驟哦，只要大家按照spss因子分析法詳細步驟一步步操作就知道spss怎麼分析因子了哦，下面就和小編一起來看看吧！
  • spss是什麼軟體?spss軟體是用來做什麼的?
    很多人看到有人在用spss，好奇spss是什麼軟體？spss是用來做什麼的？ spss是一個非常好用的統計分析軟體， spss用於統計學分析運算、數據挖掘、預測分析和決策支持任務的軟體產品及相關服務軟體哦，下面小編就來詳細介紹一下吧！
  • spss主成分怎麼進行分析?spss主成分分析法步驟
    spss 這款軟體功能非常多哦，還可以分析主成分哦，但是很多朋友不知道spss主成分怎麼進行分析？小編下面準備了spss主成分分析法詳細步驟，大家安裝 詳細步驟一步步操作就知道spss主成分怎麼進行分析？
  • 科研SPSS統計思維實戰研討會
    90) 橫斷面研究設計的2*2表資料統計分析及spss實現91) 隊列研究設計的2*2表資料及spss實現92) 病例對照研究設計的2*2表資料及spss實現93) 配對研究設計的2*2表資料及spss實現94) 雙向無序的R*C表資料及spss實現95)
  • spss多元線性回歸模型專題及常見問題 - CSDN
    多元線性回歸，主要是研究一個因變量與多個自變量之間的相關關係，跟一元回歸原理差不多，區別在於影響因素（自變量）更多些而已，例如：一元線性回歸方程 為：   今天跟大家一起討論一下，SPSS---多元線性回歸的具體操作過程，下面以教程教程數據為例，分析汽車特徵與汽車銷售量之間的關係。通過分析汽車特徵跟汽車銷售量的關係，建立擬合多元線性回歸模型。數據如下圖所示：
  • 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！