Question

谁能帮忙讲解一下分类变量的回归分析？自变量和因变量都为分类变量，请问怎样用SpSS做回归分析？

自变量共分为2类，因变量分为4类，

Parameter Estimates
VAR00002a 95% Confidence Interval for Exp(B)
B Std. Error Wald df Sig. Exp(B) Lower Bound Upper Bound
2.00 Intercept -.693 1.225 .320 1 .571
[retinopathy=0] .421 1.247 .114 1 .736 1.524 .132 17.555
[retinopathy=1] 1.030 1.358 .575 1 .448 2.800 .196 40.057
[retinopathy=9] 0b . . 0 . . . .
3.00 Intercept -18.211 .558 1065.951 1 .000
[retinopathy=0] 17.246 .630 748.353 1 .000 3.088E7 8975631.857 1.062E8
[retinopathy=1] 18.798 .000 . 1 . 1.459E8 1.459E8 1.459E8
[retinopathy=9] 0b . . 0 . . . .
4.00 Intercept -.693 1.225 .320 1 .571
[retinopathy=0] -.965 1.284 .565 1 .452 .381 .031 4.719
[retinopathy=1] .693 1.378 .253 1 .615 2.000 .134 29.808
[retinopathy=9] 0b . . 0 . . . .
a. The reference category is: 1.00.
b. This parameter is set to zero because it is redundant.

是用多元回归分析的结果，请帮忙解释一下此结果，谢谢！另外我这样分析对不对，如果不对，请问用何种方法分析？

Answer 1

1、首先打开一份要进行线性回归分析的SPSS数据，然后点击【分析-回归-线性】。

2、然后将因变量和自变量分别放入相应的框中。

3、接着可以进行选择变量，即对变量进行筛选，并利用右侧的“规则”按钮建立一个选择条件，这样，只有满足该条件的记录才能进行回归分析。

4、接着点击右侧的统计量打开统计量子对话框，然后勾选图中的选项。

5、接着打开选项子对话框，然后勾选【在等式中包含常亮】。

6、这里需要先对自变量和因变量进行方差齐性检验，然后能得到a=110.190，b=-0.391。线性回归方程结果为：y=110.190-0.391x。

Answer 2

分类变量为因变量，连续变量为自变量，做逻辑回归。或者是分类变量为自变量，连续变量为因变量，而且是做线性关系，则先将分类变量设置虚拟变量，再做线性回归。

线性回归通常是人们在学习预测模型时首选的技术之一。在这种技术中，因变量是连续的，自变量可以是连续的也可以是离散的，回归线的性质是线性的。

线性回归使用最佳的拟合直线（也就是回归线）在因变量（Y）和一个或多个自变量（X）之间建立一种关系。

用一个方程式来表示它，即 Y=a+b*X + e，其中 a 表示截距，b 表示直线的斜率，e 是误差项。这个方程可以根据给定的预测变量（s）来预测目标变量的值。

扩展资料

要点：

1、自变量与因变量之间必须有线性关系。

2、多元回归存在多重共线性，自相关性和异方差性。

3、线性回归对异常值非常敏感。它会严重影响回归线，最终影响预测值。

参考资料来源：百度百科-回归分析

Answer 3

1、首先在数据视图窗口编辑入数据，在变量视图窗口进行编辑，根据每个变量德 类型，宽度等属性进行输入，如图所示。

2、然后点击【分析】-【回归】【线性L】即可出现下图。

3、接着选择右边的【统计量】-选择出需要的统计分析数据，然后点击继续--和确定。

4、这是一个基本的输出结果的界面信息，这些信息会告诉你：模型的汇总及协方差是需要注意查看的。

Answer 4

如果因变量是分类变量，哪你采用多元回归分析就是错误的了
应该采用logistic回归来进行的
因变量的4分类是否属于有序的还是无序的
如果有序，则使用有序多分类logistic回归
若无序，则使用无序多分logistic回归

追问

可是当我应用Binary logistic回归时，结果出错，搞不明白？谢谢！

追答

你的因变量是二分类变量的话，就是用binary logistic回归
如果出错 可能是你的数据有问题 无法计算出来吧