SPSS多元线性回归在医学统计分析中的应用操作及分析

    之前我们详细讲解了因变量为二分类的变量的影响因素的分析，采用二元Logistic回归分析。

    但是在实际情况中，有些因变量的数据类型为连续数值型变量，并无特定的分类，这时候要分析他的影响因素，就无法采用logistics回归，由于变量数据为线性数值，这里就要采用线性回归模型来分析。

    本次我们就来详细讲解SPSS多元线性回归在医学统计分析中的应用操作。

    先来看今天的案例，我们采集了80位患者的骨吸收的数值数据，临床上可能对其造成影响的因素有吸烟、牙周炎、CA、固位方式、性别、年龄、固定支架直径、长度、修复类型、位置这些因素。如下图1：

（图1）

我们要分析吸烟、牙周炎、CA、固位方式、性别、年龄、固定支架直径、长度、修复类型、位置这些因素这些因素中，哪些确实是对骨吸收有显著的影响。就要以骨吸收为因变量，以吸烟、牙周炎、CA、固位方式、性别、年龄、固定支架直径、长度、修复类型、位置为自变量，采用多元线性回归模型分析。这里要注意的是，CA、年龄、为线性变量，可以直接作为自变量，但是吸烟、牙周炎这些属于分类变量，本应先对其进行虚拟化，才能作为自变量，但是由于这里的分类变量全部为二分类，因此虚拟化操作和当前实际一致，因此可直接作为自变量。关于如何做多分类自变量虚拟化的线性回归，我们将在今后的文章中再另行详解。

下面进行SPSS多元线性回归的操作步骤

①点击“分析”--“回归”--“线性”，在弹出的回归对话框中，将骨吸收选入因变量框中，将其他变量选入自变量框中。

（图2）

（图3）

②进行相关的输出和参数设置，点击右侧“自助抽样”按钮，在弹出的对话框中勾选“执行自助抽样”，“置信区间”级别填写95。然后点击继续，确定按钮。

（图4）

③得到输出结果，并进行分析。这里我们只对重要的表格进行详细讲解分析。

（图5）

模型摘要这张表，主要看R方为52.6%，大于50%，说明数据与模型拟合程度较好。

（图6）

ANOVA这张表，F=7.653，P<>

（图7）

系数表这张表就是我们分析的主要结果，反应了自变量与因变量之间的具体影响关系。首先看显著性水平，在0.05的显著性水平下，可以看到。吸烟、CA是P<0.05，能显著影响骨吸收的，回归系数b分别为0.387和0.07都大于0，说明ca值越高，骨吸收的值就随之越高。吸烟这里由于参考类别为0（不吸烟），因此就是吸烟患者的骨吸收比不吸烟的显著要高。而其余自变量则不能显著影响骨吸收，他们的p>0.05。

（图8）

上图为95%置信区间，一般如果在分析报告中需要置信区间，则将上表红框标注的部分添加到图7表格后面，这里不再赘述。

以上就是今天我们讲到的SPSS多元线性回归在医学统计分析中的应用操作及分析,

回顾一下知识点：1，因变量为连续数值型变量 2，自变量可以为数值型，也可以为分类型，但是多分类自变量需要虚拟化 3，回归结果主要看3张表，模型摘要、ANOVA、系数表。至于如何操作与使用虚拟线性回归，将在下一讲中详细讲解，敬请大家的关注！