![c342b2f9eb3193fcabbbcb6a0996d23d.png](https://i-blog.csdnimg.cn/blog_migrate/8e906067386de1bd1696d9389c7b762f.jpeg)
![d362010411758481a349e96cb1240402.gif](https://i-blog.csdnimg.cn/blog_migrate/e55f8895d5d272ab30522e657fec9984.gif)
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:
![c60151936d8d84486fb542c833741bcd.png](https://i-blog.csdnimg.cn/blog_migrate/c1fcfc71b3473af7c59081531fbf821a.jpeg)
(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。
![587bb82183d5b493a87a714f63c62073.png](https://i-blog.csdnimg.cn/blog_migrate/2e28aa6ac915f42032d1d70ae81d837a.jpeg)
(图2)
![0f0838d7b8f0f95110f7e547e49afb98.png](https://i-blog.csdnimg.cn/blog_migrate/b653e0983e3c954f7adab121eda6ce9d.jpeg)
(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。
![2ba678d12e25ed6db69f0490aa9f14b2.png](https://i-blog.csdnimg.cn/blog_migrate/f5ef3ce0858e4ba698edccfe3c9309c9.jpeg)
(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。
![b149b2c8531bfbc97a4c4292579a7293.png](https://i-blog.csdnimg.cn/blog_migrate/5d84cc068d86cab586128b9f9b31da91.jpeg)
![b21ffa4265553944f4969fc6ada4ab6c.png](https://i-blog.csdnimg.cn/blog_migrate/a1ad2dcf5534aa595bda285795701ed5.jpeg)
(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。
![d9d4995c29d0035eb0bf25b48e132ce3.png](https://i-blog.csdnimg.cn/blog_migrate/3179a5ceb2dc1ac27ff78990d813c745.jpeg)
(图6)
ANOVA这张表,F=7.653,P<0.05,本次数据代入进回归模型,回归方程显著。所有自变量中,至少有一个自变量能显著影响因变量。如果全部没意义那本次的回归分析就没有统计意义了。
![500208dadd5ca552b681e8c00df3e362.png](https://i-blog.csdnimg.cn/blog_migrate/e093ae6a65264c7b8f4300180cc25df8.jpeg)
(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。
![63a07d65ee38e357ea6c4ffd53d15121.png](https://i-blog.csdnimg.cn/blog_migrate/4e948f6eb789952793a0ee647f3a9e96.jpeg)
(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!
![bbb10dc3eb33fbb61c81505c7fa6386a.gif](https://i-blog.csdnimg.cn/blog_migrate/82a1e70fd05bc2720f051dc74fbb80e7.gif)
相关文章(灰色区域可滑动)
● AMOS结构方程进行医学问卷量表分析教程
● SPSS生存分析在生物医药统计中的应用
● GraphPad Prism绘制柱状图
● SPSS中对问卷数据进行探索因子分析
● SPSS问卷数据统计分析之项目分析
● Excel进行线性回归模型分析的操作与结果解读
● Excel在统计分析中的应用之单因素方差分析
● Excel进行基础数据分析之VLOOKUP函数及透视表的应用
● Excel进行数据分析常用方法及函数汇总
● SPSS中常用的参数和非参数检验方法、基本原理和操作步骤
● ROC曲线在SPSS中的具体操作及医学和生物统计中的应用
● 一文读懂R语言如何实现逐步回归分析
● R语言中如何绘制散点图和箱线图?看完即会
● SPSS中的Variable数据变量类型介绍