|
案例解析 关键词：SPSS 回归 SPSS回归分析是研究变量之间因果关系的一种统计模型。回归分析中的因变量，就是因果关系中的结果；回归分析中的自变量，就是因果关系中的原因。 基于结果变量（因变量）的种类，回归分析又可以分为线性回归（因变量为连续变量）、logistic回归（因变量为分类变量）、泊松回归（因变量为计数变量）；这三种回归模型中自变量则可以是任意类型的变量。 本期课程以《卵巢癌患者情绪状况的影响因素》为案例，详细介绍SPSS线性回归模型，并对模型的诊断给出详细解释和阐述。 请观看下方视频教程 全屏播放请关闭手机中“方向锁定”，然后将手机横向放置 （若无法播放，请联系客服微信3301888200）
案例介绍：对69名卵巢癌患者进行问卷调研，通过调研结果对她们的情绪状况、疲倦状况、恶心与呕吐状况、疼痛状况、呼吸困难状况、失眠状况、食欲丧失状况进行评分，最后，通过评分数据来考察卵巢癌患者情绪状况的影响因素。 统计方法：线性回归分析。因为情绪状况为本次研究的结果变量，该变量为评分数据，属于连续数值型变量，因此统计方法应该选择线性回归分析。 数据展示：本次案例的数据如下图所示： 本次研究中，结果变量（因变量）为情绪评分，自变量则是情绪的可疑影响因素，即疲倦评分、恶心与呕吐评分、疼痛评分、呼吸困难评分、失眠评分、食欲丧失评分。 SPSS线性回归分析操作步骤： STEP1：点击“分析”→“回归”→“线性”，然后将自变量和因变量选进对应的对话框 STEP2：点击“统计”，勾选“共线性诊断”和“德宾-沃森”： STEP3：点击“图”，将ZPRED选进X轴，ZRESID选进Y轴，勾上“正态概率图”： 最后点击“继续”，再点击“确定”，即可得到运算结果： 以上结果的分析如下： 1、模型摘要表。回归模型的拟合度调整R方=0.657,拟合度较好，意味着自变量能够解释因变量变化原因的65.7%，即卵巢癌患者的情绪状况有65.7%是由疲倦、恶心与呕吐、疼痛、呼吸困难、失眠、食欲丧失引起的； 2、系数表。显著性P<0.05的自变量有疲倦、恶心与呕吐、疼痛、呼吸苦难这四个自变量可以显著影响患者情绪，而失眠和食欲丧失这两个自变量不能显著影响情绪。更进一步，疲倦、恶心与呕吐、疼痛、呼吸困难的回归系数均为负数，意味着这4个自变量显著负向影响患者的情绪，即患者的疲倦、恶心与呕吐、疼痛、呼吸困难症状越严重，情绪状况越不好。 3、基于以上的分析，得出情绪与疲倦、恶心与呕吐、疼痛、呼吸困难之间的定量关系（回归方程）如下： 情绪=94.183-0.277*疲倦-0.213*恶心与呕吐-0.301*疼痛-0.177*呼吸苦难 然而，以上的分析仅仅只是对回归运算结果的分析。这个结果是否准确可靠、是否具有可信度，还需要继续对本次的回归模型进行诊断： 诊断1：线性回归模型要求自变量之间不存在多重共线性 所有自变量的VIF值全部小于5，意味着变量之间不存在多重共线性，诊断1通过。 诊断2：线性回归模型要求残差服从正态分布 PP图散点全部在对角线上，意味着本次回归模型的残差服从正态分布。诊断2通过。 诊断3：线性回归模型要求样本之间不存在序列相关（仅仅时序类数据需要进行该诊断） 考察样本数据之间是否存在序列相关的统计量是DW（德宾-沃森），DW值在2附近，意味着样本数据之间无序列相关。 本次回归模型的DW=1.08，偏离2比较远，意味着样本数据存在序列相关性。但是，由于本次的样本数据不是时序类数据，而是普通的截面数据（样本数据是针对不同患者在同一个时间段搜集的），因此诊断3（序列相关）可以不考虑。 综合以上分析，本次线性回归模型的结果是稳定可靠的。 |
|
|
