SPSS问卷设计信效度-回归分析

本推文是SPSS问卷设计信效度课程的S12—回归分析概念及实操,本次文主要是围绕回归分析的概念，回归分析的实操两个部分进行讲解

回归分析的概念

-利用数据统计原理，对大量统计数据进行数学处理，并确定因变量与某些自变量的相关关系，建立一个相关性较好的回归方程(函数表达式)，并加以外推，用于预测今后的因变量的变化的分析方法。

-通常情况下，线性回归分析是回归分析法中最基本的方法，当遇到非线性回归分析时，可以借助数学手段将其化为线性回归;因此，主要研究线性回归问题，一点线性回归问题得到解决，非线性回归也就迎刃而解了。

主要解决问题:

1. 确定变量之间是否存在相关关系，若存在，则找出数学表达式
2. 根据一个或几个变量的值，预测或控制另一个或几个变量的值，且估计这种控制或预测可以达到何种精确度

3. 

 

 

回归分析的具体步骤主要分为以下4点

• 根据自变量与因变量的现有数据以及关系，初步设定回归方程
• 求出合理的回归系数
• 进行相关性检验，确定相关系数
• 在符合相关性要求后，即可根据已得的回归方程与具体条件相结合，来确定事物的未来状况，并计算预测值的置信区间

常用的回归分析分类

一元线性和多元线性回归

就是只涉及一个自变量的回归;自变量和因变量之间的关系是线性关系的回归;因变量与自变量之间的关系用一条线性方程来表示的回归。而多元线性回归分析则是指在相关变量中将一个变量视为因变量，其他一个或多个变量视为自变量，建立多个变量之间线性或非线性数学模型数量关系式并利用样本数据进行分析的统计分析方法。

逻辑(logistic) 回归

逻辑回归一般用于二分类(Binary Classification) 问题中，给定一些输入，输出结果是离散值。例如用逻辑回归实现一个猫分类器，输入一张图片x，预测图片是否为猫，输出该图片中存在猫的概率结果y。

回归分析实操

以线性回归为例

-探究学习动机和学习策略，哪个变量更好地预测英语学习成绩

 

因变量纳入英语成绩，自变量纳入学习动机和学习策略

 

选用的方法这里需要注意一下

 

较常用:

-输入的回归方法:是将所有变量纳入模型，基于假设认为所有自变量都能很好地预测某一因变量

-步进:则是逐步回归，排除不能预测的因素，只保留最优预测变量和最优回归模型

以一元线性回归为例

-探究学习动机和学习策略，哪个变量更好地预测英语学习成绩(使用步进的方法)

其次还需要基于统计去找到关于回归系数的一个选择，比如说估算值和执行区间以及回归模型它的一个R方变化量以及模型拟合的大小。最后在保存这一栏中去找到标准化的结果以及调整后的结果这些都是非常重要的一个选项。

 

 

点击确定后输出当中找到想要的结果，主要关注这三点的一个结果

1. 首先看基于回归模型排除的变量是哪些
2. 保留的变量是哪一些以及在保留的变量当中模型的拟合值是多少以及回归系数是多少还有置信区间这些都是要关心的指标。