请选择 进入手机版 | 继续访问电脑版

776 【最优尺度回归】SPSS最优尺度回归分析案例教程

[复制链接]
776 0


1导读

    一般来说,我们选择线性回归或逻辑回归通常以因变量的数据类型为连续变量或分类变量作为依据,较少关注自变量的数据类型。但在医学研究中,当因变量为连续变量,自变量为分类变量或等级变量时,如果直接将自变量纳入回归模型进行研究,则会使变量失去自身的意义,如性别,男性和女性本身没有大小、顺序或趋势的区分。此时,可以采用最佳尺度回归来解决类似问题。

    本期,我们就来具体谈谈最佳尺度回归的基本内涵及在SPSS中的具体操作步骤。
2SPSS视频教程(陈老师)


3图形可视化要点

    最佳尺度回归(CATREG),也称分类回归。普通线性回归遇到分类变量时,无法准确地反映分类变量不同取值的距离,而最优尺度回归则是对分类变量不同取值进行量化处理、将分类变量转换为数值型进行统计分析的过程。采用最优尺度回归将大大提高分类变量数据的处理能力,突破分类变量对分析模型选择的限制,扩大回归分析的应用能力。
4适用范围

    最佳尺度回归适用于自变量为分类变量或等级变量、因变量为连续变量的线性回归分析研究中。
5SPSS中的操作

    我们收集了一份某大学共130例学生心率的样本数据,欲研究性别、年龄等因素对心率的影响情况。已知心率为连续数值型的因变量,性别、饮食习惯、体育锻炼等为分类自变量,因此,为进一步分析分类变量对因变量的影响情况,采用最佳尺度回归进行分析,具体操作如下:

    (1)在SPSS中的具体操作

    ①依次点击“分析——回归——最优标度”。


    ②出现“分类回归”窗口。


    ③将因变量“心率”放入“因变量”窗口,点击“定义标度”,出现“分类回归:定义标度”对话框,勾选“数字”。



    ④将所以自变量放入“自变量”窗口,并依次选中“性别”,点击“定义标度”,出现“分类回归:定义标度”对话框,因性别为分类变量,因此勾选“名义”。


    ⑤选中“身高”,点击“定义标度”,出现“分类回归:定义标度”对话框,因身高为连续数值型变量,因此勾选“数字”。


    ⑥其他变量依次完成类似操作。选中“睡眠情况”,点击“定义标度”,出现“分类回归:定义标度”对话框,因睡眠情况为有序变量,因此勾选“有序”。


    ⑦点击“选项”,出现“分类回归:选项”窗口,勾选“多个系统性起点”,并点击“继续”。


    ⑧点击“保存”,出现“分类回归:保存”窗口,勾选“将转换后变量保存到活动数据集”,并点击“继续”。


    ⑨点击“图”,出现“分类回归:图”窗口,将名义和有序变量放入右侧“转换图”框中,即将“性别、高血压家族史、是否吸烟、是否饮酒、睡眠情况”放入右侧“转换图”中。


    ⑩点击“继续”、“确定”,得到分析结果。

    (2)结果解读

    ①首先查看“ANOVA”表,可以看到,构建的回归模型通过了方差检验,显著性值小于0.05,提示至少存在一个自变量对因变量心率有显著影响。


    ②查看“模型摘要”表,调整R方值为0.187,解释值较低,符合实际调研情况。


    ③查看“系数”表,可以看到体重、高血压家族史和睡眠情况都对因变量心率有显著影响,且构建模型所对应的系数值分别为0.410、-0.178和-0.365,反映的是对原始变量量化后的变量变化量。


    ④回到数据视图,可以看到,各变量经过最佳尺度变换,对分类或有序变量进行了数值量化后的数据列,各数据轨迹列由左往右,首列为因变量,其他列与自变量的顺序一致。结合查看“转换图”,以分类变量高血压家族史为例,其模型对应系数值为-0.178,无高血压对应量化值为-0.72分,有高血压对应量化值为1.40分,则可以得到无高血压与有高血压对心率的影响差值为:

高血压家族史Beta*(无高血压量化值-有高血压量化值)=-0.178*(-0.72-1.40)=0.37736




6小结

    本文对利用SPSS进行分类变量回归分析的最佳尺度回归的主要内涵及其在SPSS中的具体操作应用进行了详细介绍。后续,我们将持续更新更多医学统计相关知识应用,敬请关注
7联系我们

谦瑞数据www.databbs.net

为您提供一站式数据分析服务。

详询客服QQ(微信同号)370666643

关注谦瑞数据、杏花开医学统计微信公众号,赠送一大波数据分析实战视频教程哦!

8SPSS案例数据下载




本帖子中包含更多资源

您需要 登录 才可以下载或查看,没有帐号?立即注册  

x

当他人从你分享的链接访问本页面时,你将获得奖励

举报 使用道具

回复
您需要登录后才可以回帖 登录 | 立即注册  

本版积分规则

悬赏提问(必答)

搜索

快速提问

悬赏提问(必答)

 
 
在线咨询
提供一站式
数据分析服务
客服QQ/微信号
370666643
微信扫一扫添加客服
快速回复 返回顶部 返回列表