Spss 的基本方法使用步骤
Spss 的基本方法使用步骤
写在前面：
由于一次的调研工作，我们的数据分析采用spss的统计分析工具，然后我是一个新人，全都是一步一步从零开始操作的。在学习的过程中简单记录了一点笔记，既然写了，就觉得应该把它保存下来，所以来到了这里，为我的第一次spss操作做个马克。
因子分析方法：指标非常多，反映相同事情的进行聚合
设置的地方：
&&&描述—— kmo
&&&抽取 —— 主成分，碎石图
&&&旋转——最大方差法
&&&得分——保存为变量
&&&选项——大小为变量、删除最小系数，特征值为0.6
kmo & 0.6 ——看是否有效，对原始数据的检验。
在SPSS软件统计结果中，不管是回归分析还是其它分析，都会看到“SIG”，SIG=significance，意为“显著性”，后面的值就是统计出的P值，如果P值0.01&P&0.05,则为差异显著，如果P&0.01,则差异极显著。
公因子方差——提取程度（损失的数据，如果损失低于40%即满意）
解释总方差：可以分成几类，然后提取主成分因子，累积方差贡献率，累积特征值大于等于85%（放宽70%）.(损失率低于15%)
碎石图：类似于解释总方差，特征值大于1的就是主成分，对解释方差的解释和完善
成分矩阵——一般不考虑，不够充分，只是中间步骤
旋转后成分矩阵——成分1，成分2中大于0.6的归为一类，载荷大于设置的值才会把得分显示在视图。
可靠性分析（问卷问题分类正确的前提下）
分析→度量→可靠性分析→统计量→描述性（如果项已删除则进行度量）→继续（模型α）→确定
分析：可靠性统计量：0.7以上有效
可删除的分析：如果删除后信度变大，则可以考虑把这个因素删除
平均数：反应数量的中点
中位数：全体样本的中点
均值：描述性统计分析→描述→导入变量→确定
中位数：比较均值→均值→导入变量→选项→导入中位数即可→确定
分析→回归→线性→因变量→自变量→
统计量：估计→模型拟合度→共线性诊断→DW
绘制：Y：ZRESID, X:ZPRED; 直方图，正态概率图
保存：不操作
选项： 默认
模型汇总表
DW统计量代表自相关
DW = 2不存在为伪回归
DW & 2 正自相关
DW & 2 负相关
多选题可以考虑使用多重响应
多重响应，多重响应数据本质上属于分类数据，但由于各选项均是对同一个问题的回答，之间存在一定的相关，将各选项单独进行分析并不恰当。因此对多选题最常见的分析方法是使用SPSS中的“多重响应”命令，通过定义变量集的方式，对选项进行简单的频数分析和交叉分析
作用1：进行简单的频数分析：可以直观明了的比较一道多选题的各个选项被选比例。
作用2：进行交叉分析：可以通过设置分层变量来进行某个选项控制下的分析。
分析→多重响应→定义变量集（把多选题变成一个变量）→设置定义把多选题的选项放进集合中的变量→将变量编码设置为二分法，计数值为1→名称标签→添加
行、列→定义范围→确定
spss入门基本用法
关于SPSS软件的使用
Spss的基本方法使用步骤
spss用平均插补和多重插补
5、spss做加权最小二乘回归及岭回归
SPSS聚类分析——一个案例演示聚类分析全过程
没有更多推荐了，关注今日：27 | 主题：208444
微信扫一扫
如何在SPSS中进行条件Logistic回归分析，
页码直达：
这个帖子发布于11年零226天前，其中的信息可能已发生改变或有所发展。
如何在SPSS中进行条件Logistic回归分析，很多书上只介绍了 非条件Logistic回归分析
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
收起全部有料回复
丁香园准中级站友
Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic 回归分析Ⅳ．对照调查比较 — 配对调查资料的条件 Logistic 回归分析1. 1:1 病例对照研究的基本概念在管理工作中，我们也经常要开展对照调查。例如为什么有的人患了胃癌，有的人却不会患胃癌？如果在同一居住地选取同性别、年龄相差仅 ±2 岁的健康人作对照调查，调查他们与患胃癌有关的各种影响因素，这就是医学上很常用的所谓“1:1 病例对照研究”。病例对照研究资料常用条件Logistic 回归分析。条件Logistic 回归模型（conditional logistic regression model,CLRM)，下称CLRM 模型。2. 条件Logistic 回归模型的一个实例某地在肿瘤防治健康教育、社区干预工作中做了一项调查，内容是三种生活因素与胃癌发病的关系。调查的三种生活因素取值见表 11-6。请拟合条件Logistic 回归模型，说明胃癌发病的主要危险因素。表 11-6 三种生活因素与胃癌发病关系的取值------------------------------------------------------------------------------------------变 量 名 取 值 范 围------------------------------------------------------------------------------------------X1 (不良生活习惯) 0，1，2，3，4 表示程度（0 表示无，4 表示很多）X2 (喜吃卤食和盐腌食物) 0，1，2，3，4 表示程度（0 表示不吃，4 表示喜欢吃、吃很多）X3 (精神状况) 0 表示差，1 表示好------------------------------------------------------------------------------------------表 11-7 50 对胃癌病例（S=1）与对照（S=0）三种生活习惯调查结果------------------------------------------------------------------------------------------病例 对照 病例 对照-----------------------------------------------------------------------------No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3------------------------------------------------------------------------------------------1 1 2 4 0 1 0 3 1 0 26 1 2 2 0 26 0 1 1 02 1 3 2 1 2 0 0 1 0 27 1 2 0 1 27 0 0 2 13 1 3 0 0 3 0 2 0 1 28 1 1 1 1 28 0 3 0 14 1 3 0 0 4 0 2 0 1 29 1 2 0 1 29 0 4 0 05 1 3 0 1 5 0 0 0 0 30 1 3 1 0 30 0 0 2 16 1 2 2 0 6 0 0 1 0 31 1 1 0 1 31 0 0 0 07 1 3 1 0 7 0 2 1 0 32 1 4 2 1 32 0 1 0 18 1 3 0 0 8 0 2 0 0 33 1 4 0 1 33 0 2 0 19 1 2 2 0 9 0 1 0 1 34 1 2 0 1 34 0 0 0 110 1 1 0 0 10 0 2 0 0 35 1 1 2 0 35 0 2 0 111 1 3 0 0 11 0 0 1 1 36 1 2 0 0 36 0 2 0 112 1 3 4 0 12 0 3 2 0 37 1 0 1 1 37 0 1 1 013 1 1 1 1 13 0 2 0 0 38 1 0 0 1 38 0 4 0 014 1 2 2 1 14 0 0 2 1 39 1 3 0 1 39 0 0 1 015 1 2 3 0 15 0 2 0 0 40 1 2 0 1 40 0 3 0 116 1 2 4 1 16 0 0 0 1 41 1 2 0 0 41 0 1 0 117 1 1 1 0 17 0 0 1 1 42 1 3 0 1 42 0 0 0 118 1 1 3 1 18 0 0 0 1 43 1 2 1 1 43 0 0 0 019 1 3 4 1 19 0 2 0 0 44 1 2 0 1 44 0 1 0 020 1 0 2 0 20 0 0 0 0 45 1 1 1 1 45 0 0 0 121 1 3 2 1 21 0 3 1 0 46 1 0 1 1 46 0 0 0 022 1 1 0 0 22 0 2 0 1 47 1 2 1 0 47 0 0 0 023 1 3 0 0 23 0 2 2 0 48 1 2 0 1 48 0 1 1 024 1 1 1 1 24 0 0 1 1 49 1 1 2 1 49 0 0 0 125 1 1 2 0 25 0 2 0 0 50 1 2 0 1 50 0 0 3 1-------------------------------------------------------------------------------------------3. 条件Logistic 回归模型的拟合原理与方法本例以 SPSS 软件包来拟合 CLRM 模型。SPSS 虽有一个 LOGISTIC REGRESSION 命令，却无法拟合条件 Logistic模型(CLRM)，但有拟合 Cox 回归模型的固有命令（COXREG）。 回顾一下Cox 回归模型的公式：h (t,X) = h0(t) exp (X1 β1 + X2 β2 + ...+ Xp βp)将两侧同时取对数可得：LN(h(t,X)) = LN (h0(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)如果是含有分层变量的Cox 回归模型, 则公式变为：Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic ... 页码，1/3 LN(h(t,X)) = LN (h0i(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)各层的基线风险函数h0i(t) 可以完全无关，而协变量的系数则在所有层中保持不变。作为半参数的方法，Cox 模型在拟合时并不估计基线风险函数h0i(t)，只估计各协变量的系数值β。这则与条件 Logistic 回归模型不关心αi 的大小，只解出系数值β的思路一致。而且两者都以最大似然法（LR）来拟合。把配对因素作为分层因素，即可消除配对因素的作用，因此可用分层变量控制法的原理，来拟合条件 Logistic 回归模型。在使用SPSS的COXREG 命令拟合条件 Logistic 模型时（Analyze → Survival → Cox Regression），要回答下列5个对话框：① Time: 给每行记录一个虚拟的生存时间（Time)，一般默认“病例” 生存时间短（例如为“1”），“对照” 生存时间长（例如为“2”）。只要“对照” 的生存时间（例如“2”～“100”）长于“病例”即可。因为SPSS 会把在最短的完全数据的生存时间之前的截尾数据（Censored）全部去掉而不参加分析。输出分层状态时，Event=“1”；Censored= “2”。② Status 与 Define Event: 选入虚拟生存状态变量。定义事件时“病例”全为“1”（Single value），为完全数据；“对照” 全“0”，为截尾数据。此值“1”表示事件已发生，本例即“病例”。③ Covariates: 选入要进行分析的协变量（即自变量 X1，X2，X3）。④ Method: 用 FSTEP（LR），即似然比法。⑤ Strata: 录入配对的对子号，“1”指第1 个对子（含“病例”为“1”一行与“对照” 者为“0”一行）；“2”指第2 个对子。本例指变量“No”。4. 拟合条件Logistic 回归模型所用程序文件所用程序文件名为 CondLogiRegre.sps。*Conditional Logistic R filename: CondLogiRegre.sps.*---------------------------------------------------------------.*Fang Ji-Qian: Med. Stat. and Computer Experiment, P.492:.* Using COX-Regression to fit Conditional Logistic Regression:.DATA LIST FREE /No Status Time x1 x2 x3.BEGIN DATA.1 1 1 2 4 0 1 0 2 3 1 0 2 1 1 3 2 1 2 0 2 0 1 03 1 1 3 0 0 3 0 2 2 0 1 4 1 1 3 0 0 4 0 2 2 0 15 1 1 3 0 1 5 0 2 0 0 0 6 1 1 2 2 0 6 0 2 0 1 07 1 1 3 1 0 7 0 2 2 1 0 8 1 1 3 0 0 8 0 2 2 0 09 1 1 2 2 0 9 0 2 1 0 1 10 1 1 1 0 0 10 0 2 2 0 011 1 1 3 0 0 11 0 2 0 1 1 12 1 1 3 4 0 12 0 2 3 2 013 1 1 1 1 1 13 0 2 2 0 0 14 1 1 2 2 1 14 0 2 0 2 115 1 1 2 3 0 15 0 2 2 0 0 16 1 1 2 4 1 16 0 2 0 0 117 1 1 1 1 0 17 0 2 0 1 1 18 1 1 1 3 1 18 0 2 0 0 119 1 1 3 4 1 19 0 2 2 0 0 20 1 1 0 2 0 20 0 2 0 0 021 1 1 3 2 1 21 0 2 3 1 0 22 1 1 1 0 0 22 0 2 2 0 123 1 1 3 0 0 23 0 2 2 2 0 24 1 1 1 1 1 24 0 2 0 1 125 1 1 1 2 0 25 0 2 2 0 0 26 1 1 2 2 0 26 0 2 1 1 027 1 1 2 0 1 27 0 2 0 2 1 28 1 1 1 1 1 28 0 2 3 0 129 1 1 2 0 1 29 0 2 4 0 0 30 1 1 3 1 0 30 0 2 0 2 131 1 1 1 0 1 31 0 2 0 0 0 32 1 1 4 2 1 32 0 2 1 0 133 1 1 4 0 1 33 0 2 2 0 1 34 1 1 2 0 1 34 0 2 0 0 135 1 1 1 2 0 35 0 2 2 0 1 36 1 1 2 0 0 36 0 2 2 0 137 1 1 0 1 1 37 0 2 1 1 0 38 1 1 0 0 1 38 0 2 4 0 039 1 1 3 0 1 39 0 2 0 1 0 40 1 1 2 0 1 40 0 2 3 0 141 1 1 2 0 0 41 0 2 1 0 1 42 1 1 3 0 1 42 0 2 0 0 143 1 1 2 1 1 43 0 2 0 0 0 44 1 1 2 0 1 44 0 2 1 0 045 1 1 1 1 1 45 0 2 0 0 1 46 1 1 0 1 1 46 0 2 0 0 047 1 1 2 1 0 47 0 2 0 0 0 48 1 1 2 0 1 48 0 2 1 1 049 1 1 1 2 1 49 0 2 0 0 1 50 1 1 2 0 1 50 0 2 0 3 1END DATA.LIST VARIABLES=ALL /FORMAT=NUMBERED /CASES=FROM 1 TO 50.* When programing:.* Status: Case=1; Control=0.* Time: Case=1; Control=2, that is,the survival time of Control should longer than Case.* Define Event: Single value: 1 means Case.* Covariate: Inpute the independence variables.* Method: ENTER, FSTEP, BSTEP, etc.* Strata: The No. of per pairs, that is,No.COXREG Time /STATUS=Status(1)/STRATA=No/METHOD=FSTEP(LR) X1 X2 X3/PRINT=DEFAULT CI(95)/CRITERIA=PIN(0.05) POUT(0.1) ITERATE(20).*--------------------------------------------------------------------------.5. 拟合条件Logistic 回归模型的主要运算结果运行程序文件 CondLogiRegre.sps 可得到下列主要结果：Variables in the EquationB SE Wald df Sig. Exp(B) 95.0% CI for Exp(B)Lower UpperStep 1 X1 0.659 0.220 8.973 1 0.003 1.932 1.256 2.973Step 2 X1 0.785 0.257 9.351 1 0.002 2.193 1.326 3.629X2 0.814 0.307 7.042 1 0.008 2.257 1.237 4.118回归系数 B 表示病例与对照变量值之差与患病优势的关系，即 Exp(B) 表示病例与对照暴露水平相差 1 个单位时患病的比数比（Odd Ratio, OR）。从表中可见，X3（精神状况）未被引入回归模型，只引入影响因素 X1 与 X2,说明精神状况的好坏与胃癌发病无显著相关，而 X1 (不良生活习惯) 和X2 (喜吃卤食和盐腌食物)与患胃癌有较密切的关系。注意：X1 与 X2 的回归系数 B 都是正值（前者为0.785,后者为0.814），OR 值都大于 1（前者 Exp(B) = OR = 2.193,后者 Exp(B) = OR = 2.257），而且都有统计学显著性（前者 Sig.= P = 0.002,后者 P = 0.008）。说明不良生活习惯、喜吃卤食和盐腌食物会增加胃癌发病机会；而且不良生活习惯越多、卤食和盐腌食物吃得越多，胃癌发病的机会就越大
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园准中级站友
Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic 回归分析Ⅳ．对照调查比较 — 配对调查资料的条件 Logistic 回归分析1. 1:1 病例对照研究的基本概念在管理工作中，我们也经常要开展对照调查。例如为什么有的人患了胃癌，有的人却不会患胃癌？如果在同一居住地选取同性别、年龄相差仅 ±2 岁的健康人作对照调查，调查他们与患胃癌有关的各种影响因素，这就是医学上很常用的所谓“1:1 病例对照研究”。病例对照研究资料常用条件Logistic 回归分析。条件Logistic 回归模型（conditional logistic regression model,CLRM)，下称CLRM 模型。2. 条件Logistic 回归模型的一个实例某地在肿瘤防治健康教育、社区干预工作中做了一项调查，内容是三种生活因素与胃癌发病的关系。调查的三种生活因素取值见表 11-6。请拟合条件Logistic 回归模型，说明胃癌发病的主要危险因素。表 11-6 三种生活因素与胃癌发病关系的取值------------------------------------------------------------------------------------------变 量 名 取 值 范 围------------------------------------------------------------------------------------------X1 (不良生活习惯) 0，1，2，3，4 表示程度（0 表示无，4 表示很多）X2 (喜吃卤食和盐腌食物) 0，1，2，3，4 表示程度（0 表示不吃，4 表示喜欢吃、吃很多）X3 (精神状况) 0 表示差，1 表示好------------------------------------------------------------------------------------------表 11-7 50 对胃癌病例（S=1）与对照（S=0）三种生活习惯调查结果------------------------------------------------------------------------------------------病例 对照 病例 对照-----------------------------------------------------------------------------No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3 No S X1 X2 X3------------------------------------------------------------------------------------------1 1 2 4 0 1 0 3 1 0 26 1 2 2 0 26 0 1 1 02 1 3 2 1 2 0 0 1 0 27 1 2 0 1 27 0 0 2 13 1 3 0 0 3 0 2 0 1 28 1 1 1 1 28 0 3 0 14 1 3 0 0 4 0 2 0 1 29 1 2 0 1 29 0 4 0 05 1 3 0 1 5 0 0 0 0 30 1 3 1 0 30 0 0 2 16 1 2 2 0 6 0 0 1 0 31 1 1 0 1 31 0 0 0 07 1 3 1 0 7 0 2 1 0 32 1 4 2 1 32 0 1 0 18 1 3 0 0 8 0 2 0 0 33 1 4 0 1 33 0 2 0 19 1 2 2 0 9 0 1 0 1 34 1 2 0 1 34 0 0 0 110 1 1 0 0 10 0 2 0 0 35 1 1 2 0 35 0 2 0 111 1 3 0 0 11 0 0 1 1 36 1 2 0 0 36 0 2 0 112 1 3 4 0 12 0 3 2 0 37 1 0 1 1 37 0 1 1 013 1 1 1 1 13 0 2 0 0 38 1 0 0 1 38 0 4 0 014 1 2 2 1 14 0 0 2 1 39 1 3 0 1 39 0 0 1 015 1 2 3 0 15 0 2 0 0 40 1 2 0 1 40 0 3 0 116 1 2 4 1 16 0 0 0 1 41 1 2 0 0 41 0 1 0 117 1 1 1 0 17 0 0 1 1 42 1 3 0 1 42 0 0 0 118 1 1 3 1 18 0 0 0 1 43 1 2 1 1 43 0 0 0 019 1 3 4 1 19 0 2 0 0 44 1 2 0 1 44 0 1 0 020 1 0 2 0 20 0 0 0 0 45 1 1 1 1 45 0 0 0 121 1 3 2 1 21 0 3 1 0 46 1 0 1 1 46 0 0 0 022 1 1 0 0 22 0 2 0 1 47 1 2 1 0 47 0 0 0 023 1 3 0 0 23 0 2 2 0 48 1 2 0 1 48 0 1 1 024 1 1 1 1 24 0 0 1 1 49 1 1 2 1 49 0 0 0 125 1 1 2 0 25 0 2 0 0 50 1 2 0 1 50 0 0 3 1-------------------------------------------------------------------------------------------3. 条件Logistic 回归模型的拟合原理与方法本例以 SPSS 软件包来拟合 CLRM 模型。SPSS 虽有一个 LOGISTIC REGRESSION 命令，却无法拟合条件 Logistic模型(CLRM)，但有拟合 Cox 回归模型的固有命令（COXREG）。 回顾一下Cox 回归模型的公式：h (t,X) = h0(t) exp (X1 β1 + X2 β2 + ...+ Xp βp)将两侧同时取对数可得：LN(h(t,X)) = LN (h0(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)如果是含有分层变量的Cox 回归模型, 则公式变为：Spss电脑实验－第八节(4)对照调查比较 — 配对调查资料的条件 Logistic ... 页码，1/3 LN(h(t,X)) = LN (h0i(t)) + (X1 β1 + X2 β2 + ...+ Xp βp)各层的基线风险函数h0i(t) 可以完全无关，而协变量的系数则在所有层中保持不变。作为半参数的方法，Cox 模型在拟合时并不估计基线风险函数h0i(t)，只估计各协变量的系数值β。这则与条件 Logistic 回归模型不关心αi 的大小，只解出系数值β的思路一致。而且两者都以最大似然法（LR）来拟合。把配对因素作为分层因素，即可消除配对因素的作用，因此可用分层变量控制法的原理，来拟合条件 Logistic 回归模型。在使用SPSS的COXREG 命令拟合条件 Logistic 模型时（Analyze → Survival → Cox Regression），要回答下列5个对话框：① Time: 给每行记录一个虚拟的生存时间（Time)，一般默认“病例” 生存时间短（例如为“1”），“对照” 生存时间长（例如为“2”）。只要“对照” 的生存时间（例如“2”～“100”）长于“病例”即可。因为SPSS 会把在最短的完全数据的生存时间之前的截尾数据（Censored）全部去掉而不参加分析。输出分层状态时，Event=“1”；Censored= “2”。② Status 与 Define Event: 选入虚拟生存状态变量。定义事件时“病例”全为“1”（Single value），为完全数据；“对照” 全“0”，为截尾数据。此值“1”表示事件已发生，本例即“病例”。③ Covariates: 选入要进行分析的协变量（即自变量 X1，X2，X3）。④ Method: 用 FSTEP（LR），即似然比法。⑤ Strata: 录入配对的对子号，“1”指第1 个对子（含“病例”为“1”一行与“对照” 者为“0”一行）；“2”指第2 个对子。本例指变量“No”。4. 拟合条件Logistic 回归模型所用程序文件所用程序文件名为 CondLogiRegre.sps。*Conditional Logistic R filename: CondLogiRegre.sps.*---------------------------------------------------------------.*Fang Ji-Qian: Med. Stat. and Computer Experiment, P.492:.* Using COX-Regression to fit Conditional Logistic Regression:.DATA LIST FREE /No Status Time x1 x2 x3.BEGIN DATA.1 1 1 2 4 0 1 0 2 3 1 0 2 1 1 3 2 1 2 0 2 0 1 03 1 1 3 0 0 3 0 2 2 0 1 4 1 1 3 0 0 4 0 2 2 0 15 1 1 3 0 1 5 0 2 0 0 0 6 1 1 2 2 0 6 0 2 0 1 07 1 1 3 1 0 7 0 2 2 1 0 8 1 1 3 0 0 8 0 2 2 0 09 1 1 2 2 0 9 0 2 1 0 1 10 1 1 1 0 0 10 0 2 2 0 011 1 1 3 0 0 11 0 2 0 1 1 12 1 1 3 4 0 12 0 2 3 2 013 1 1 1 1 1 13 0 2 2 0 0 14 1 1 2 2 1 14 0 2 0 2 115 1 1 2 3 0 15 0 2 2 0 0 16 1 1 2 4 1 16 0 2 0 0 117 1 1 1 1 0 17 0 2 0 1 1 18 1 1 1 3 1 18 0 2 0 0 119 1 1 3 4 1 19 0 2 2 0 0 20 1 1 0 2 0 20 0 2 0 0 021 1 1 3 2 1 21 0 2 3 1 0 22 1 1 1 0 0 22 0 2 2 0 123 1 1 3 0 0 23 0 2 2 2 0 24 1 1 1 1 1 24 0 2 0 1 125 1 1 1 2 0 25 0 2 2 0 0 26 1 1 2 2 0 26 0 2 1 1 027 1 1 2 0 1 27 0 2 0 2 1 28 1 1 1 1 1 28 0 2 3 0 129 1 1 2 0 1 29 0 2 4 0 0 30 1 1 3 1 0 30 0 2 0 2 131 1 1 1 0 1 31 0 2 0 0 0 32 1 1 4 2 1 32 0 2 1 0 133 1 1 4 0 1 33 0 2 2 0 1 34 1 1 2 0 1 34 0 2 0 0 135 1 1 1 2 0 35 0 2 2 0 1 36 1 1 2 0 0 36 0 2 2 0 137 1 1 0 1 1 37 0 2 1 1 0 38 1 1 0 0 1 38 0 2 4 0 039 1 1 3 0 1 39 0 2 0 1 0 40 1 1 2 0 1 40 0 2 3 0 141 1 1 2 0 0 41 0 2 1 0 1 42 1 1 3 0 1 42 0 2 0 0 143 1 1 2 1 1 43 0 2 0 0 0 44 1 1 2 0 1 44 0 2 1 0 045 1 1 1 1 1 45 0 2 0 0 1 46 1 1 0 1 1 46 0 2 0 0 047 1 1 2 1 0 47 0 2 0 0 0 48 1 1 2 0 1 48 0 2 1 1 049 1 1 1 2 1 49 0 2 0 0 1 50 1 1 2 0 1 50 0 2 0 3 1END DATA.LIST VARIABLES=ALL /FORMAT=NUMBERED /CASES=FROM 1 TO 50.* When programing:.* Status: Case=1; Control=0.* Time: Case=1; Control=2, that is,the survival time of Control should longer than Case.* Define Event: Single value: 1 means Case.* Covariate: Inpute the independence variables.* Method: ENTER, FSTEP, BSTEP, etc.* Strata: The No. of per pairs, that is,No.COXREG Time /STATUS=Status(1)/STRATA=No/METHOD=FSTEP(LR) X1 X2 X3/PRINT=DEFAULT CI(95)/CRITERIA=PIN(0.05) POUT(0.1) ITERATE(20).*--------------------------------------------------------------------------.5. 拟合条件Logistic 回归模型的主要运算结果运行程序文件 CondLogiRegre.sps 可得到下列主要结果：Variables in the EquationB SE Wald df Sig. Exp(B) 95.0% CI for Exp(B)Lower UpperStep 1 X1 0.659 0.220 8.973 1 0.003 1.932 1.256 2.973Step 2 X1 0.785 0.257 9.351 1 0.002 2.193 1.326 3.629X2 0.814 0.307 7.042 1 0.008 2.257 1.237 4.118回归系数 B 表示病例与对照变量值之差与患病优势的关系，即 Exp(B) 表示病例与对照暴露水平相差 1 个单位时患病的比数比（Odd Ratio, OR）。从表中可见，X3（精神状况）未被引入回归模型，只引入影响因素 X1 与 X2,说明精神状况的好坏与胃癌发病无显著相关，而 X1 (不良生活习惯) 和X2 (喜吃卤食和盐腌食物)与患胃癌有较密切的关系。注意：X1 与 X2 的回归系数 B 都是正值（前者为0.785,后者为0.814），OR 值都大于 1（前者 Exp(B) = OR = 2.193,后者 Exp(B) = OR = 2.257），而且都有统计学显著性（前者 Sig.= P = 0.002,后者 P = 0.008）。说明不良生活习惯、喜吃卤食和盐腌食物会增加胃癌发病机会；而且不良生活习惯越多、卤食和盐腌食物吃得越多，胃癌发病的机会就越大
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
谢谢新新手
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园关注今日：27 | 主题：208444
微信扫一扫
分层回归分析在SPSS中操作及结果解释，求助各位大神！！！
页码直达：
准备做分层回归分析：一个因变量，5个控制变量（人口学资料），4个想要观察的自变量；我是首先在第一层，把5个控制变量放入自变量对话框例，进入方法是：enter。然后 点 next 在block2的自变量框中放入想要研究的4个自变量，进入方法用的 stepwise。a入=0.10，a出=0.15。不知道这样操作对不对呢？改变的R方很小，且P＞0.05这样改怎么办呢？**大神指点啊！！！
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
坐等大神帮帮忙啊。。。。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
要哭。。。。都没有大神指点一二。。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
方法对，但是结果不理想
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园苹果/安卓/wp
积分 74, 距离下一级还需 11 积分
道具: 涂鸦板, 彩虹炫, 雷达卡, 热点灯, 显身卡, 匿名卡, 金钱卡下一级可获得
权限: 自定义头衔
购买后可立即获得
权限: 隐身
道具: 金钱卡, 变色卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
& && & 我所设计的回归模型中，有a自变量，b为调节变量，a与b的交互项，4个控制变量，1个因变量。我打算用分层回归模型来做。（我主要为验证自变量a以及b调节作用）
& && & 第一步，在&&&Block of 1 & 中，我将4个控制引入到&Independent&中，&Method &选择&Enter&,然后点击NEXT。
& && & 第二步，在“Block of 2&中，将a，b及交互项引入”Independent&中，“Mehod& 选择”stepwise”。
& && & 我想问各位大咔，我这样做对吗？
& && & 还有，分层回归和逐步回归有什么区别？我是否可以将第二步省略，直接把a,b,交互项放入Block of 1 中，Method变为sterwise?
热心帮助其他会员
总评分:&学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
用了下，结果不理想，还是谢谢楼主
1&&nalyze-----regression-------linear&&，
2&&在第一个选框里放入因变量，在第二个选框里放入第一层自变量，方法不用改仍保持enter,然后在统计选项里选R方改变量，然后点 继续，然后OK，记录各自变量的贝塔值和显著性，
3&&然后重新回到linear&&，点NEXT，放入第二层自变量，然后点 继续，然后OK，记录各自变量的贝塔值和显著性，记录R方改变量和显著性，
4 要有更多层变量，重复步骤3即可。最后列表整理即可。
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师