spss多元回归分析步骤_spss线性回归分析案例

spss多元回归分析步骤_spss线性回归分析案例 案例来源：中华护理杂志2018年7期一．案例北京市社区失能老年人的照护需求及其影响因素。

方法：采用多阶段随机抽样法，对北京市4个区120名老年人进行问卷调查，采用老年人生活活动能力量表筛选失能老年人，使用自行编制的社区失能老年人照护需求调查问卷对其照护服务需求内容进行调查，分析照护需求的影响因素。

二．解析在进行影响失能老年人照护需求的单因素分析时，根据资料情况选择t检验、方差分析或秩和检验。

以照护需求得分为因变量，以可能为影响失能老年人照护需求得分的因素为自变量，采用多元线性回归筛选出影响失能老年人选择照护服务需求的因素。

本例纳入的自变量有年龄、经济来源、健康自评、失能程度、慢性病患病种类、慢性疼痛、跌倒经历，赋值方式如表1：三．SPSS *** 作1. *** 作步骤将得分选入因变量，将所有自变量均选入自变量，方法处选择输入。

点击统计，出现如下对话框，回归系数栏选择估算值，残差栏选择得宾-沃森，另外还要勾选模型拟合和共线性诊断。

点击图，出现如下对话框，将将标准化残差“*ZRESID”选入“Y”轴框中，将标准化预测值“*ZPRED”选入“X”轴中，勾选直方图和正态概率图，点击继续，确定。

2.结果解读（1）P-P图由回归标准化残差的正态P-P图可以看出：残差效果较好，所有的点大致都在一条直线上，可认为残差符合正态分布的要求。

（2）ANOVA表该表格可以用来检验模型的统计学意义，由结果可得F=22.563，P<0.001，因此应该拒绝原假设，认为回归模型通过了置信水平为0.05的F检验，即所拟合的方程具有统计学意义。

（3）模型摘要由表格可以看出，调整后的R方为0.559，即总体自变量对因变量的解释程度达到55.9%，拟合效果较好，说明模型比较稳定；本研究的得宾-沃森检验值为1.627，一般来说，得宾-沃森检验值分布在0-4之间，越接近于2观测值相互独立的可能性越大。

可以认为本研究中的观测值具有相互独立性。

（4）系数由结果得：本研究纳入的自变量中，年龄、健康自评、慢性病患病种类以及慢性疼痛的P值具有统计学意义，即年龄、健康自评、慢性病患病种类以及慢性疼痛是影响失能老年人选择照护需求的主要因素。

四．总结本例采用的是自变量全部进入法的多元线性回归，还有几种常用的方式为逐步回归法、前进法、后退法、除去法，不同的方法筛选出的自变量可能是不同的，在实际工作中选择何种变量筛选方法，需结合专业知识和研究要求，不能脱离背景任意选择。