【原】SPSSAU真好用：岭回归

在 SPSS案例实践：岭回归分析 一文中，我参考张文彤老师《SPSS统计分析教程高级篇》的讲解，使用陈峰教授《医学多元统计分析方法》的案例数据，给大家分享了如何使用SPSS语法调用宏程序完成岭回归并对结果进行解释分析。

用SPSS做岭回归，有时候会出现某些莫名的错误，并且难以解决。今天我给大家分享使用SPSSAU平台实现岭回归，操作方便，结果输出丰富。

===

因变量：胎儿周龄；自变量：身长、头围、体重。

先经【通用方法】→【线性回归】，查看一下构建线性回归时，是否存在多重共线性问题。

线性回归模型虽然有统计学意义，但是VIF高达200多，显然这里面存在严重共线性问题。

另外头尾的回归系数为负，这个也不符合实际意义。模型无效。

先在，我希望采用岭回归来拟合因变量与自变量间的关系，并且处理共线性问题。

===

在【进阶方法】→【岭回归】中实现，先画岭脊图，看看k值多少合适。

主观上行先定k=0.05吧。

也可以参考VIF的变化、合理性来帮助确定k值，比如SPSSAU给出了VIF的变动情况：

k=0.05时，最大的VIF＜5，共线性问题可以忽略。

===

再重新执行一次岭回归，这次输入k值为0.05，以下为最终岭回归的分析结果。

对多重共线性进行处理后，新的回归方程为：

y=8.7+0.225*long+0.111*touwei+0.005*weight

该回归方程的方差分析显示，p<0.05，说明模型有统计学意义，该方程的调整R方=0.94，模型能解释因变量94%的变化，拟合效果可以接受。

回归方程中，三个自变量long、touwei、weight的偏回归系数均为正数，说明三个自变量与胎儿周龄均为正相关关系，影响的程度具体看系数的绝对值。符合现实情况。

===

怎么样？SPSSAU操作上几乎看不到几个参数，输出的结果还很丰富，并且有智能解读，非常适合纯小白学学习和使用。