spss双变量回归与相关

1、SPSSSPSS双变量回归与相关双变量回归与相关河北医科大学公共卫生学院河北医科大学公共卫生学院卫生统计学教研组卫生统计学教研组*内容直线回归直线回归1直线相关与秩相关直线相关与秩相关2曲线拟合曲线拟合3*（一）直线回归（一）直线回归例例1 1 某地方病研究所调查了某地方病研究所调查了8 8名正常儿童的尿肌酐含量（名正常儿童的尿肌酐含量（mmol/24hmmol/24h）如表）如表1 1。估计尿肌酐含量（估计尿肌酐含量（Y Y）对其年龄（）对其年龄（X X）的回归方程。）的回归方程。表表1 81 8名正常儿童的年龄（岁）与尿肌酐含量（名正常儿童的年龄（岁）与尿肌酐含量（mmol/24hmmol

2、/24h）2.652.653.183.183.363.362.562.562.482.483.093.093.013.013.543.54尿肌酐含量尿肌酐含量Y Y7 7121210108 86 69 911111313年龄年龄X X8 87 76 65 54 43 32 21 1编号编号*1.1.建立数据文件建立数据文件取两个变量：取两个变量：X X变量变量（本例为（本例为“年龄年龄”）、）、Y Y变量变量（本例为（本例为“尿肌酐含量尿肌酐含量”）*2.2.统计分析统计分析（1 1）散点图）散点图*(2)(2)直线回归直线回归* 残差的独立性检验*结果如下：结果如下：A AN NO OV V

3、A Ab b.8131.81320.968.004a.2336.0391.0467RegressionResidualTotalModel1Sum ofSquaresdfMean SquareFSig.Predictors: (Constant), 年龄a. Dependent Variable: 尿肌酐b. *（二）直线相关与秩相关（二）直线相关与秩相关*例例2 2 某省调查了某省调查了19951995年年到到19991999年当地居民年当地居民1818类死因的构成以及每类死因的构成以及每种死因导致的潜在工种死因导致的潜在工作损失年数作损失年数WYPLLWYPLL的的构成，结果见表构成，结果

4、见表2 2。以。以死因构成为死因构成为X X，WYPLLWYPLL构成为构成为Y Y，作等级相关，作等级相关分析。分析。表表2 某省某省1995年到年到1999年居民死因构成与年居民死因构成与WYPLL构成构成死因类别死因类别死因构成死因构成(%)WYPLL构成构成(%)XY10.030.0520.140.3430.200.9340.430.6950.440.3860.450.7970.471.1980.654.7490.952.31100.965.95112.441.11122.693.53133.073.48147.785.65159.8233.951618.9317.161722.598

5、.421827.969.33*（三）曲线拟合（三）曲线拟合例例3 3 以不同剂量的标准促肾上腺皮质激素释放因子以不同剂量的标准促肾上腺皮质激素释放因子CRFCRF（nmol/Lnmol/L）刺激离）刺激离体培养的大鼠垂体前叶细胞，监测其垂体合成分泌肾上腺皮质激素体培养的大鼠垂体前叶细胞，监测其垂体合成分泌肾上腺皮质激素ACTHACTH的的量（量（pmol/Lpmol/L）。根据表）。根据表3 3中得的中得的5 5对数据建立对数据建立CRF-ACTHCRF-ACTH工作曲线。工作曲线。1.1.建立数据文件同前建立数据文件同前表表3 3 标准标准CRFCRF刺激大鼠垂体刺激大鼠垂体前叶细胞分泌前叶

6、细胞分泌ACTHACTH测定结果测定结果 编号编号 X YX Y1 1 0.005 34.11 0.005 34.112 2 0.050 57.99 0.050 57.993 3 0.500 94.49 0.500 94.494 4 5.000 128.50 5.000 128.505 525.000 169.9825.000 169.98*2.2.统计分析统计分析（1 1）散点图（同前）散点图（同前）*M Mo od de el l S Su um mm ma ar ry y a an nd d P Pa ar ra am me et te er r E Es st ti im ma at

7、te es sDependent Variable: ACTH.980148.08613.001110.06015.685EquationLogarithmicR SquareFdf1df2Sig.Model SummaryConstantb1Parameter EstimatesThe independent variable is CRF.*例例4 4 一位医院管理人员想建立一个回归模型，对重伤病人出院后的长一位医院管理人员想建立一个回归模型，对重伤病人出院后的长期恢复情况进行预测。自变量为病人住院天数（期恢复情况进行预测。自变量为病人住院天数（X X），应变量为病），应变量为病人出院后长

8、期恢复的预后指数（人出院后长期恢复的预后指数（Y Y），指数取值越大表示预后结局），指数取值越大表示预后结局越好。越好。 表表9-11 159-11 15名重伤病人的住院天数名重伤病人的住院天数X X（天）与预后指数（天）与预后指数Y Y编编 号号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 151 2 3 4 5 6 7 8 9 10 11 12 13 14 15住院天数住院天数 2 5 7 10 14 19 26 31 34 38 45 52 53 60 65 2 5 7 10 14 19 26 31 34 38 45 52 53 60 65 预后指数预后指数 54

9、50 45 37 35 25 20 16 18 13 8 11 8 4 6 54 50 45 37 35 25 20 16 18 13 8 11 8 4 6 *注意括号在英文半角状态下输入注意括号在英文半角状态下输入*I I t t e e r r a a t t i i o o n n H H i i s s t t o o r r y yb b12110.000.000.0003943.33323.333.0003943.33323.333.000350.93246.460-.032350.93246.460-.03251.07958.106-.04051.07958.106-.04049

10、.45958.611-.04049.45958.611-.04049.45958.607-.04049.45958.607-.04049.45958.607-.040Iteration Numbera1.01.12.02.13.03.14.04.15.05.16.06.1ResidualSum ofSquaresabParameterDerivatives are calculated numerically.Major iteration number is displayed to the left ofthe decimal, and minor iteration number is

11、to theright of the decimal.a. Run stopped after 12 model evaluations and 6derivative evaluations because the relativereduction between successive residual sums ofsquares is at most SSCON = 1.00E-008.b. *Parameter EstimatesParameter Estimates58.6071.47255.42661.787-.040.002-.043-.036ParameterabEstima

12、teStd. ErrorLower BoundUpper Bound95% Confidence IntervalANOVAANOVAa a12060.54126030.27049.459133.80512110.000153943.33314SourceRegressionResidualUncorrected TotalCorrected TotalSum ofSquaresdfMeanSquaresDependent variable: 预后指数R squared = 1 - (Residual Sum of Squares) /(Corrected Sum of Squares) = .987.a. *不同方式拟合效果的比较估计方法回归方程决定系数相关指数直线回归0.88560.9411指数拟合0