spss 多元线性回归和多元逐步回归一样么?如题.如果不一样,分别这么用SPSS做呢?
ziaigege331
逐步回归只是回归过程采用的其中一种方法而已. 多元线性回归可以和非线性回归相区分,也就是解释变量和被解释变量之间建立的回归方程,如果是线性的,则是线性回归,否则是非线性回归. 多元逐步回归是回归分析建模的一种,举个例子来说,现在有一个因变量A,建模的时候可能的解释变量有5个,分别是B1,B2,B3,B4和B5,但是搞不清楚5个变量哪些是解释变量,哪些是干扰变量,所以就想到把变量采用不同的方法放到模型中去进行回归建模,放变量的方法具体有可分为Enter法、Forward前进法、Backward后退法、Stepwise逐步回归法等.当然你最终建立的模型可以是线性的,也可以是非线性的. SPSS里线性回归过程,操作的菜单：Analyze——Regression——Linear,回归过程解释变量的方法默认的时候method是Enter法,如果是逐步回归则采用Stepwise,当然因为选的是线性回归过程,只能建立出线性回顾模型
为您推荐：
其他类似问题
扫描下载二维码案例 | 统计学之多元线性回归分析
案例 | 统计学之多元线性回归分析
作者：解螺旋.算盘 解螺旋原创转载请注明来源：解螺旋，医生科研助手上回我们谈到了研究2组资料是否相互联系的统计学方法(回复统计查看往期内容)。但是，如果自变量多于1个的情况下怎么办？我们还是用上回那个例子，但是增加了一组自变量。现在，我们有12名一年级女大学生体重，身高与肺活量的数据。12名一年级女大学生的体重，身高与肺活量编号身高（cm）体重 （kg）肺活量 （L）1234567891011121611621651621661671651661681651701684242464646505050525258582.552.22.752.42.82.813.413.13.462.853.53如果我们想要研究：肺活量是否随体重和身高的变化而变化？体重和身高，哪个指标对肺活量的影响更大？这里就要用到统计学上另一种重要的统计方法：多元线性回归分析。多元线性回归分析就是研究一个因变量（这里是：肺活量）和多个自变量（这里是：体重和身高）之间的关系。和上回介绍的一元线性回归方程差不多，多元线性回归方程只是增加了一个自变量而已：?=a b1x1
b2x2。 x1和x2为2个自变量，y为因变量。在上面这个例子中，身高是x1；体重是x2；而肺活量就是y。如果通过计算，得出a=-0.5657；b1=0.005017；b2= 0.05406。那么这个方程就可以写作：?=-0.017x1
0.05406x2。b1=0.005017，表示在X2，即体重不变的情况下，身高每增加1cm，肺活量增加0.005017L。利用多元线性回归方程，还可以进行预测和预报。例如x1 =166，x2=46，代入公式，就可以得出?=2.75。这表示：所有身高为166 cm，体重为46公斤的一年级女大学生，估计的平均肺活量为2.75 L。那么，现在问题变得简单了，我们只需要算出a和b即可得到方程式。聪明的同学们可能已经猜到我下面要说什么了。对头！那就是 ─ 计算机。现在的大部分统计学软件都可以做多元线性回归分析了。以最常用的SPSS为例，输出的结果如下图所示：我们需要注意的就是红圈标注的三个数字，它们就是a，b1和b2。另外，如果要判断几个自变量谁对因变量的影响更大，就看的标准系数。就是图中蓝圈标注的二个数字。在这里，显然身高对肺活量的影响更大。另外，在多元线性回归中还存在一个自变量选择的问题。这是因为：不是所有的自变量都对因变量有意义。例如，我们在上一个例子中再引入一组血压的数据，这个血压就很有可能和肺活量完全风马牛不相及。自变量选择的方法有前进法，后退法和逐步法。一般采用逐步法就可以取得满意的结果。而这一切的一切，计算机都是可以代劳的。下图所示的就是SPSS进行逐步法的界面，在红圈标注的下拉菜单里选择stepwise（逐步法）即可。输出的结果会自动告诉你哪些自变量被包括了；哪些自变量被排除了。怎么样？简单吧？算盘一直认为：对于我们临床医生来说，并不需要掌握复杂艰深的统计学概念和公式。我们只需要掌握在正确的地方，输入正确的数字，当结果输出的时候，能看懂结果。就OK了。欲知后事如何，且听算盘下回分解
发表评论：
TA的最新馆藏评论列表（网友评论仅供网友表达个人看法，并不表明本站同意其观点或证实其描述）多元回归与多元线性回归有区别没?如题
1.线性回归和非线性回归没有实质性的区别,都是寻找合适的参数去满足已有数据的规律.拟和出来的方程（模型）一般用来内差计算或小范围的外差.2.Y与X之间一般都有内部联系,如E=m*c^2.所以回归前可收集相关信息,或可直接应用.3.Y 和每个X之间作出散点图,观察他们的对应关系.如果是线性的,改参数可以适用线性回归；否则,可考虑非线性回归.4.线性回归可直接用最小二乘法计算对应系数,对系数做假设检验（H0：b＝0,Ha：b0),排除影响小的变量,再次回归即可； 非线性可以考虑对X或Y作变换,如去对数,平方,开方,指数等,尽可能转化为线性回归即可.5.参考拟和优度R^2 和方差S,对模型的准确性有一定的认识.
有些深奥，可否理解成多元回归分为线性回归和非线性回归？
恩 多元回归分析是研究多个变量之间关系的回归分析方法, 按因变量和自变量的数量对应关系可划分为一个因变量对多个自变量的回归分析(简称为“一对多”回归分析)及多个因变量对多个自变量的回归分析(简称为“多对多”回归分析), 按回归模型类型可划分为线性回归分析和非线性回归分析. 亦称为多元线性回归，是反映一种现象或事物的数量依多种现象或事物的数量的变动而相应地变动的规律。建立多个变量之间线性或非线性数学模型数量关系式的统计方法。
为您推荐：
其他类似问题
扫描下载二维码君，已阅读到文档的结尾了呢~~
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
【2016年】如何利用EXCEL对财务预测的回归进行分析【财务分析论文】
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口}