統(tǒng)計分析回歸分析課件

統(tǒng)計分析回歸分析課件演示文稿當(dāng)前1頁，總共74頁。研究人員想進一步了解各種影響因素各自在多大程度上對男性胃癌患者在術(shù)后發(fā)生院內(nèi)感染產(chǎn)生影響。想要了解這個問題，既要用到“回歸分析”這一統(tǒng)計方法。當(dāng)前2頁，總共74頁。事物是普遍聯(lián)系的，并且彼此之間是有機地聯(lián)系著，相互依賴著，相互制約著的。離開周圍的事物和條件而孤立地存在的事物是沒有的。因此，統(tǒng)計學(xué)在研究某一事件的時候，就不能只是研究其本身，同時還要研究其與其它事物之間的相互聯(lián)系，并找出合理的方法確定它們之間的關(guān)系。7.1回歸分析概述當(dāng)前3頁，總共74頁。事物或現(xiàn)象之間的相互依存關(guān)系大致可分成兩種，一種是函數(shù)關(guān)系，是一種確定性的關(guān)系，即一個事物或現(xiàn)象的數(shù)值發(fā)生變化是，與其相關(guān)的事物或現(xiàn)象的數(shù)值也發(fā)生著相對應(yīng)變化。還有一種是相關(guān)關(guān)系，是指事物或現(xiàn)象之間確實存在的一定的關(guān)系，但是這種關(guān)系又不能用固定的因果關(guān)系來描述。與此同時，雖然相關(guān)關(guān)系并不是確定的，但是從概率學(xué)的意義上來說，彩薔哂泄媛尚緣模對于這一類的關(guān)系我們可以使用相關(guān)分析和回歸分析來描述，接下來將詳細介紹回歸分析。當(dāng)前4頁，總共74頁?；貧w分析和相關(guān)分析都是用來描述相關(guān)關(guān)系的方法，都是用來度量兩個或兩個以上的變量之間的關(guān)系的方法，確定變量之間是否存在關(guān)系，這是回歸分析和相關(guān)分析共同的起點。因此從廣義上講，回歸分析是從屬于相關(guān)分析的，但是嚴(yán)格來將兩者有存在區(qū)別，回歸分析使用數(shù)學(xué)公式的方式來表示變量之間的關(guān)系，而相關(guān)分析是通過檢驗和度量變量之間關(guān)系的密切程度，兩者相輔相成。7.1.1回歸分析與相關(guān)分析的關(guān)系當(dāng)前5頁，總共74頁。所以根據(jù)不同的，可以從不同的角度去分析變量之間的關(guān)系，當(dāng)只是要知道變量之間的關(guān)系的密切程度時，一般可以同過求變量間的相關(guān)系數(shù)得到相關(guān)信息，這個過程就叫相關(guān)分析。但是如果研究的目的是要確定變量之間數(shù)量關(guān)系的可能形式，找出變量之間的依存關(guān)系的合理的數(shù)學(xué)模型，用數(shù)學(xué)模型來表示變量之間的關(guān)系，這就叫回歸分析。當(dāng)前6頁，總共74頁。要進行回歸分析，對數(shù)據(jù)是有一定的要求的，有學(xué)者提出了，在應(yīng)用多元回歸時，所分析的數(shù)據(jù)必須符合以下基本假定：（1）正態(tài)性假定（2）因變量的各個觀察值之間必須是相互獨立的。（3）各個自變量之間不能有多元共線性關(guān)系，也就是說各個自變量彼此之間不能有較高的相關(guān)（相關(guān)系數(shù)大于0.700）。（4）線性關(guān)系（5）各個殘差之間相互獨立假定（6）殘差的等分散性假定7.1.2回歸分析的對數(shù)據(jù)的要求當(dāng)前7頁，總共74頁。具體地說，回歸分析的一般過程分成四步，分別是：（1）提出回歸模型的假設(shè)（2）獲取數(shù)據(jù)（3）建立回歸方程（4）回歸方程的檢驗7.1.3回歸分析的基本步驟當(dāng)前8頁，總共74頁。想要了解兩個變量之間的因果關(guān)系，可用一元線性回歸分析來得出，例如要知道雛鴨的重量對50日齡鴨的重量的影響，只要收集到相關(guān)的數(shù)據(jù)就可建立回歸模型，從而由雛鴨的重量大致推斷出50日齡鴨的重量，一下將對一元線性回歸做詳細介紹。7.2一元線性回歸分析當(dāng)前9頁，總共74頁。當(dāng)只探究一個自變量和一個因變量之間的數(shù)學(xué)關(guān)系，同時兩變量之間為線性關(guān)系時，所建立的回歸模型為一元線性回歸模型，可用如下公式表示：Y=bX+a7.2.1一元線性回歸的基本概念當(dāng)前10頁，總共74頁。【例7.1】在安徽的白鴨的生長情況研究中，得到如下一組關(guān)于雛鴨重（g）與50日齡鴨重（g）的數(shù)據(jù)，試建立50日齡鴨重（y）與雛鴨重（x）的線性回歸方程。7.2.2實例分析：雛鴨體重與日齡當(dāng)前11頁，總共74頁。1、操作過程(1)打開數(shù)據(jù)文件“鴨重一元回歸案例”。(2)選擇“分析”|“回歸”|“線性”命令。(3)打開“線性回歸”對話框，如下如所示：當(dāng)前12頁，總共74頁。(4)將上圖中左側(cè)變量列表框中的變量“50日齡鴨重”移入右側(cè)的“因變量”文本框中；變量“雛鴨重”移入右側(cè)的“自變量”文本框中。(5)在“方法”文本框中共有5種方法可選，分別是“進入”、“逐步”、“刪除（R）”、“向后”、“向前”（分別對應(yīng)“強迫進入變量法”、“逐步回歸分析法”、“刪除法”、“向后法”和“向前法”）。本利可采用強迫進入變量法。當(dāng)前13頁，總共74頁。(6)單擊“統(tǒng)計量”按鈕，打開如下圖所示的“線性回歸：統(tǒng)計量”子對話框。該對話框中設(shè)置要輸出的統(tǒng)計量。這里勾選“估計”、“模型擬合度復(fù)選框”。單擊“繼續(xù)”按鈕，回到“線性回歸”主對話框中。當(dāng)前14頁，總共74頁。(7)單擊“繪制”按鈕，打開如下圖所示的“線性回歸：圖”子對話框，在“線性回歸：圖”子對話框中的“標(biāo)準(zhǔn)化殘差圖”選項組中勾選“正態(tài)概率圖”復(fù)選框，以便對殘差的正態(tài)分布進行分析。單擊“繼續(xù)”按鈕回到“線性回歸”主對話框。當(dāng)前15頁，總共74頁。(8)單擊“保存”按鈕，在彈出如下圖所示的“線性回歸：保存”子對話框右側(cè)的“殘差”選項組中，勾選“未標(biāo)準(zhǔn)化”復(fù)選框，這樣可以在數(shù)據(jù)文件中生成一個變量名為res_1的殘差變量，以便對殘差進行進一步分析?！熬€性回歸：保存”子對話框的功能在于將回歸分析的各種結(jié)果所得到的各種預(yù)測值、殘差值，以及相關(guān)統(tǒng)計量都以一個新變量名稱增列在“SPSS數(shù)據(jù)編輯程序”窗口中。該子對話框是將一些數(shù)據(jù)收集起來以便進一步的分析，在一般的實際應(yīng)用中，此子對話框應(yīng)用的機會比較少。單擊“繼續(xù)”按鈕，回到“線性回歸”主對話框。當(dāng)前16頁，總共74頁。(9)在“線性回歸”主對話框中單擊“選項”按鈕，打開如下圖所示的“線性回歸：選項”子對話框。此子對話框的功能在于界定采用逐步回歸分析法時，選擇進入回歸方程式的自變量的準(zhǔn)則，以及是否輸出常數(shù)項（截距）等。在回歸分析程序中，該子對話框中的選項保持程序默認的就可以，不用更改。單擊“繼續(xù)”按鈕，回到主對話框。當(dāng)前17頁，總共74頁。(10)在“線性回歸”主對話框中，單擊“確定”按鈕，完成SPSS操作，輸出結(jié)果。當(dāng)前18頁，總共74頁。2、結(jié)果分析(1)選入和刪除的變量在本例中，只有一個自變量“雛鴨重”，所以如下表所示，在選入的變量中只有“雛鴨重”，沒有刪除的變量，使用的方法是“選入”。當(dāng)前19頁，總共74頁。

當(dāng)前20頁，總共74頁。(3)方差分析如下表所示為回歸模型的方差分析摘要表，其中的變異量顯著性檢驗的F值為213.808，顯著性檢驗的p值為0.000，小雨0.05的顯著水平，表示回歸模型整體解釋變異量達到顯著水平。也就是說回歸系數(shù)不等于0，即預(yù)測變量會達到顯著水平。當(dāng)前21頁，總共74頁。(4)回歸系數(shù)如下表所示為回歸模型的回歸系數(shù)及回歸系數(shù)的顯著性差異，包括為標(biāo)準(zhǔn)化的回歸系數(shù)、未標(biāo)準(zhǔn)化的回歸系數(shù)、回歸系數(shù)的顯著性的t值。標(biāo)準(zhǔn)化回歸系數(shù)的絕對值越大，表示該預(yù)測變量對因變量的影響越大，其解釋因變量的變異量也就會越大。從表中可以得到為標(biāo)準(zhǔn)化的回歸方程：50日齡鴨重=582.185+21.712*雛鴨重當(dāng)前22頁，總共74頁。(5)殘差統(tǒng)計量如下表所示為殘差統(tǒng)計量，其中包括“預(yù)測值”、“殘差”、“標(biāo)準(zhǔn)化預(yù)測值”和“標(biāo)準(zhǔn)化殘差”的描述性統(tǒng)計量（“最小值”、“最大值”、“平均數(shù)”、“標(biāo)準(zhǔn)差”和“個數(shù)”），“預(yù)測值”的最小值為2319.158，最大值為3187.645，平均值為2720.833，標(biāo)準(zhǔn)差為268.724.由于本例是為了方便說明回歸分析的操作步驟，所以選取的樣本量較少，實際研究中取樣應(yīng)多一些為好，這樣會讓回歸分析方程更加穩(wěn)定有效。當(dāng)前23頁，總共74頁。自然界的萬事萬物都是相互聯(lián)系和關(guān)聯(lián)的，所以一個因變量往往同時受到很多個自變量的影響。如本章開篇時講到的那個例子，男性胃癌患者發(fā)生術(shù)后院內(nèi)感染的影響因素有很多，如年齡、手術(shù)創(chuàng)傷程度、營養(yǎng)狀態(tài)、術(shù)前預(yù)防性抗菌、白細胞數(shù)以及癌腫病理分度。這時我們?nèi)绻泳_的、有效的預(yù)測男性胃癌患者發(fā)生術(shù)后院內(nèi)感染的具體情況這個因變量，就必須引入多個自變量，建立多元回歸模型。7.3多元線性回歸分析當(dāng)前24頁，總共74頁。多元回歸模型是指含有兩個或者兩個以上的自變量的線性回歸模型，用于揭示因變量與多個自變量之間的線性關(guān)系。多元回歸的方程式為：Y=b0+b1X1+b2X2+…biXi以下呈現(xiàn)的是在計算多元回歸模型時一般采用的幾種方法以及方法的選擇：（1）逐步回歸法（2）強迫進入法（3）階層回歸分析法（4）方法的選擇7.3.1多元線性回歸的基本概念當(dāng)前25頁，總共74頁。接下來會舉三個例子來分別說明“強迫選入法”、“逐步回歸法”和“階層多元回歸法”是如何運用的。7.3.2各種回歸分析方法的實例分析當(dāng)前26頁，總共74頁?！纠?.2】強迫選入法：某醫(yī)院的一位優(yōu)秀的男醫(yī)生，想研究男性胃癌患者發(fā)生術(shù)后院內(nèi)感染的影響因素，在研究了多名病人之后，他得到了數(shù)據(jù)資料，請通過多元線性回歸統(tǒng)計方法找出哪些因素是對術(shù)后感染產(chǎn)生影響的。其中數(shù)據(jù)資料如下頁所示。當(dāng)前27頁，總共74頁。術(shù)后感染（有無）年齡（歲）手術(shù)創(chuàng)傷程度（5等級）營養(yǎng)狀態(tài)（3等級）術(shù)后預(yù)防性抗菌（有無）白細胞數(shù)（*109/L）癌腫病理分度（TNM得分總和）有7053無5.510有7142無4.35無5621無9.64無4011有10.96無3321有9.95有6843有6.95無5622有3.05有5332無7.06有5443有8.07無5711有5.84無6322無9.26無3411有8.37無4032有5.45無4531有4.53無5112有12.64當(dāng)前28頁，總共74頁。1．強迫選入法操作過程(1)建立數(shù)據(jù)文件：首先將上表中所有關(guān)于術(shù)后感染影響因素資料的數(shù)據(jù)輸入到SPSS中，輸入格式和數(shù)據(jù)文件如圖所示：當(dāng)前29頁，總共74頁。(2)選擇“分析”|“回歸”|“線性”命令，打開“線性回歸”主對話框，如下圖所示：當(dāng)前30頁，總共74頁。(3)在“線性回歸”主對話框左側(cè)的變量列表框中選中變量“術(shù)后感染”，將其移入右側(cè)的“因變量”文本框中。(4)在“線性回歸”主對話框左側(cè)的變量列表框中分別選中變量“年齡”、“手術(shù)創(chuàng)傷程度”、“營養(yǎng)狀態(tài)”、“術(shù)前預(yù)防性抗菌”、“白細胞數(shù)”和“癌腫病理分度”，將它們選入右側(cè)的“自變量”列表框中。在中間的“方法”文本框系統(tǒng)默認是“進入”選項，無需修改。當(dāng)前31頁，總共74頁。(5)在“線性回歸”主對話框的右上方，單擊“統(tǒng)計量”按鈕，彈出如下所示的“線性回歸：統(tǒng)計量”對話框。(6)上面的對話框中，在“回歸系數(shù)”選項組中勾選“估計”復(fù)選框，勾選“模型擬合度”、“R方變化”、“描述性”、“共線性診斷”等復(fù)選框，在“殘差”選項組中勾選“Durbin-Watson（U）”復(fù)選框。單擊“繼續(xù)”按鈕，回到“線性回歸”主對話框中。當(dāng)前32頁，總共74頁。(7)在“線性回歸”主對話框的右上方，單擊“繪制”按鈕，彈出如下所示的“線性回歸：圖”對話框。(8)在上面的對話框中，選擇左側(cè)的“*ZPRED”（標(biāo)準(zhǔn)化預(yù)測值），選入右側(cè)的X2(X)文本框中；選擇左側(cè)的“*ZRESID”（標(biāo)準(zhǔn)化的殘差值），選入右側(cè)的Y(Y)文本框中。在“標(biāo)準(zhǔn)化殘差圖”選項組中，勾選“直方圖”和“正態(tài)概率圖”復(fù)選框。單擊“繼續(xù)”按鈕，回到“線性回歸”主對話框中。當(dāng)前33頁，總共74頁。(9)在“線性回歸”主對話框中，單擊“確定”按鈕，運行SPSS程序。當(dāng)前34頁，總共74頁。2．強迫選入法結(jié)果解釋(1)描述性統(tǒng)計：如下圖所示為SPSS輸出的關(guān)于1個因變量和6個自變量的描述性統(tǒng)計，其中包含“平均數(shù)”、“標(biāo)準(zhǔn)差”和“個數(shù)”。當(dāng)前35頁，總共74頁。(2)相關(guān)矩陣：下表為7個變量之間的積差相關(guān)矩陣，以及相關(guān)系數(shù)顯著性檢驗的概率值（P值）矩陣、有效樣本個數(shù)（其作用不大，故在此處略去）。根據(jù)分析可知，“營養(yǎng)狀態(tài)”和“手術(shù)創(chuàng)傷程度”這兩個變量之間可能存在共線性問題，其他自變量之間均呈中低程度相關(guān)。當(dāng)前36頁，總共74頁。(3)選入/刪除的變量：下表為在回歸分析時使用的方法及選入和刪除的變量。當(dāng)前37頁，總共74頁。(4)模型摘要：下表所示為回歸模型的一些基本信息，每個模型中包括“多元相關(guān)系數(shù)R”、“多元相關(guān)系數(shù)R平方”、“調(diào)整后的R平方”以及“估計標(biāo)準(zhǔn)誤”，其中還包括5個變更統(tǒng)計量，分別是R平方的改變量、F改變、分子自由度、分母自由度、顯著性F改變，最后還有一個Durbin-Waston檢驗。當(dāng)前38頁，總共74頁。(5)方差分析：如下表所示為回歸模型方差分析的摘要表。當(dāng)前39頁，總共74頁。(6)回歸系數(shù)顯著性檢驗：以上方差分析結(jié)果只能大致說明該模型是否合理，但是要知道各個自變量的回歸系數(shù)是否在統(tǒng)計學(xué)意義上顯著，還要看回歸系數(shù)的t檢驗。在下表中可以看到結(jié)果。當(dāng)前40頁，總共74頁。(7)共線性診斷：下表所示為能夠預(yù)測自變量之間共線性問題的各種統(tǒng)計指標(biāo)，共線性其實就是指自變量之間存在很高的相關(guān)。當(dāng)前41頁，總共74頁。(8)殘差統(tǒng)計量：如下表所示，表格中主要呈現(xiàn)了“預(yù)測值”、“殘差”、“標(biāo)準(zhǔn)化預(yù)測值”和“標(biāo)準(zhǔn)化殘差”的描述性統(tǒng)計量。當(dāng)前42頁，總共74頁。(9)回歸分析輸出報表的編輯：以上的表格都是SPSS直接導(dǎo)出的一些表格，但是在寫報告時，只需報告其中的一部分結(jié)果即可。當(dāng)前43頁，總共74頁?！纠?.3】逐步回歸法：某養(yǎng)豬場老板，想要了解每一頭豬身上能產(chǎn)多少瘦肉，從而隨機選了25頭肥。考慮到豬的各個部位的瘦肉量不太一樣，所以收集了與瘦肉產(chǎn)量有關(guān)的三方面的數(shù)據(jù)資料，想通過這三方面的數(shù)據(jù)來對瘦肉產(chǎn)量進行預(yù)測，請用多元線性回歸分析來解決這一問題。其中，數(shù)據(jù)文件如下所示。當(dāng)前44頁，總共74頁。1．逐步回歸法操作說明(1)建立數(shù)據(jù)文件：將上表中的數(shù)據(jù)輸入到SPSS中,如下圖所示。當(dāng)前45頁，總共74頁。(2)選擇“分析”|“回歸”|“線性”命令，打開“線性回歸”主對話框，如下圖所示：當(dāng)前46頁，總共74頁。(3)在“線性回歸”主對話框左側(cè)的變量列表框中選中變量“瘦肉量”，將其移入右側(cè)的“因變量”文本框中；在“線性回歸”主對話框左側(cè)的變量列表框中分別選中變量“肌肉面積”、“腿肉量”和“腰肉量”，將它們選入右側(cè)的“自變量”列表框中。(4)在中間的“方法”文本框中，單擊該文本框，出現(xiàn)下拉菜單，選擇“逐步”選項。(5)對于輸出“統(tǒng)計量”、“圖形”的相關(guān)設(shè)置與例7.2中完全一樣，故在此不再贅述。設(shè)置完成后，單擊“確定”按鈕，運行SPSS程序。當(dāng)前47頁，總共74頁。2．逐步回歸法的結(jié)果(1)描述性統(tǒng)計：下表所示為“瘦肉量”、“肌肉面積”、“腿肉量”和“腰肉量”等4個變量的描述性統(tǒng)計（“平均數(shù)”、“標(biāo)準(zhǔn)差”和“次數(shù)”）。當(dāng)前48頁，總共74頁。(2)各個變量間的相關(guān)矩陣：從下表中可以看出各個變量之間的相關(guān)系數(shù)，從而判斷出它們之間的相關(guān)程度。根據(jù)分析可知，本例的共線性問題不嚴(yán)重。當(dāng)前49頁，總共74頁。(3)選入和刪除的變量：下表為在回歸分析時使用的方法及選入和刪除的變量。當(dāng)前50頁，總共74頁。(4)模型摘要：如下表所示為回歸模型的摘要表，在使用逐步回歸法時，回歸模型會根據(jù)各自變量對因變量預(yù)測的高低，而依次將自變量逐個地放入回歸模型中。當(dāng)自變量的回歸系數(shù)沒有達到顯著水平時，該自變量就要被排除在回歸模型之外。當(dāng)前51頁，總共74頁。(5)方差分析：下表為兩個回歸模型的整體顯著性檢驗，因為在本例中采用的是逐步回歸分析法，因此在這個表格中出現(xiàn)的模型整體顯著性檢驗的F值均會達到顯著性水平。當(dāng)前52頁，總共74頁。(6)回歸模型的系數(shù)：下表為兩個回歸模型的回歸系數(shù)及回歸系數(shù)的顯著性檢驗，其中包括未標(biāo)準(zhǔn)化的B估計值和標(biāo)準(zhǔn)誤，還有標(biāo)準(zhǔn)化的Beta分布，還有對每一個回歸系數(shù)的t檢驗的結(jié)果，以及共線性問題相關(guān)統(tǒng)計量：容忍度和方差膨脹系數(shù)（VIF）。當(dāng)前53頁，總共74頁。(7)回歸標(biāo)準(zhǔn)化殘差值的直方圖：下圖為回歸標(biāo)準(zhǔn)化殘差值的直方圖，此直方圖是用來檢驗樣本觀察值是否符合正態(tài)性基本假設(shè)。當(dāng)前54頁，總共74頁。(8)標(biāo)準(zhǔn)化殘差的正態(tài)概率分布圖：下圖為標(biāo)準(zhǔn)化殘差的正態(tài)概率分布圖，也是用來檢驗樣本的分布是否符合正態(tài)分布的一種方法。當(dāng)前55頁，總共74頁。(9)標(biāo)準(zhǔn)化殘差值和標(biāo)準(zhǔn)化預(yù)測值交叉分布圖：下圖為標(biāo)準(zhǔn)化殘差值和標(biāo)準(zhǔn)化預(yù)測值交叉分布圖，該圖用來檢驗樣本觀察值是否符合正態(tài)分布以及殘差值是否符合方差齊性的假定。當(dāng)前56頁，總共74頁?！纠?.4】階層回歸分析法：使用青少年心理健康自評量表對某省份的中小學(xué)生進行測量，得到了一批數(shù)據(jù)，該量表共分成三大塊“社會能力”、“行為問題”和“身心問題”，每一大塊又都各自有自己的預(yù)測指標(biāo)，其中“社會能力”包括了“退縮”和“社交問題”兩個部分，“行為問題”包括了“注意問題”、“違紀(jì)行為”和“攻擊行為”，“身心問題”包括了“焦慮郁郁”、“軀體主訴”和“思維問題”。請用階層回歸分析法對該數(shù)據(jù)進行處理。當(dāng)前57頁，總共74頁。1．階層回歸分析法操作過程(1)打開數(shù)據(jù)文件“青少年心理健康自評量表.sav”。(2)選擇“分析”|“回歸”|“線性”命令，打開“線性回歸”主對話框，如下圖所示：當(dāng)前58頁，總共74頁。(3)在“線性回歸”主對話框左側(cè)的變量列表框中選中變量“青少年心理健康”，將其移入右側(cè)的“因變量”文本框中。(4)在“線性回歸”主對話框左側(cè)的變量列表框中分別選中變量“退縮”和“社交問題”，將它們選入右側(cè)的“自變量”列表框中。(5)在中間的“方法”文本框系統(tǒng)默認是“進入”選項，無需修改。當(dāng)前59頁，總共74頁。(6)如下圖所示，在“線性回歸”主對話框的“塊1的1”選項組中，單擊“下一張”按鈕，出現(xiàn)“塊2的2”選項組。然后在“線性回歸”主對話框的左側(cè)變量列表框中，選擇變量“注意問題”、“違紀(jì)行為”和“攻擊行為”，將它們選入“自變量”列表框中。當(dāng)前60頁，總共74頁。(7)如下圖所示，在“線性回歸”主對話框的“塊2的2”選項組中，單擊“下一張”按鈕，出現(xiàn)“塊3的3”選項組。然后在“線性回歸”主對話框的左側(cè)變量列表框中，選擇變量“焦慮抑郁”、“軀體主訴”和“思維問題”，將它們選入“自變量”列表框中。當(dāng)前61頁，總共74頁。(8)在“線性回歸”主對話框的右側(cè)單擊“統(tǒng)計量”按鈕，彈出如下圖所示的“線性回歸：統(tǒng)計量”對話框。在“回歸系數(shù)”選項組中，勾選“估計”和“協(xié)方差矩陣”復(fù)選框；勾選“模型擬合度”、“R方變化”、“描述性”、“部分相關(guān)和偏相關(guān)”及“共線性診斷”復(fù)選框；在“殘差”選項組中勾選“Durbin-Watson”復(fù)選框。單擊“繼續(xù)”按鈕，回到“線性回歸”主對話框。當(dāng)前62頁，總共74頁。(9)在“線性回歸”主對話框的右側(cè)單擊“繪圖”按鈕，彈出如圖所示的“線性回歸：圖”對話框。在左側(cè)的變量列表框中選中ZRESID選項，將其選入Y(Y)文本框中；在左側(cè)的變量列表框中選中ZPRED選項，將其選入X2(X)文本框中。勾選“直方圖”和“正態(tài)概率圖”。單擊“繼續(xù)”按鈕，回到“線性回歸”主對話框。(10)在“線性回歸”主對話框上的其他統(tǒng)計量按照SPSS默認設(shè)置即可，單擊“確定”按鈕運行SPSS程序。當(dāng)前63頁，總共74頁。2．階層回歸分析法的結(jié)果(1)描述性統(tǒng)計量：下表呈現(xiàn)了“青少年心理健康”、“退縮”、“社交問題”、“注意問題”、“違紀(jì)行為”、“攻擊行為”、“焦慮抑郁”、“軀體主訴”和“思維問題”變量的“平均數(shù)”、“標(biāo)準(zhǔn)差”和“次數(shù)”等描述性統(tǒng)計量。當(dāng)前64頁，總共74頁。(2)相關(guān)系數(shù)：下表所示為各個變量之間的相關(guān)系數(shù)。根據(jù)分析可知，本例中存在共線性問題。當(dāng)前65頁，總共7