统计学第9次作业.doc
文本预览下载声明
统计学第9次作业 郭晓兰 微生物学 一、计算题
为确定老年妇女进行体育锻炼还是增加营养会减缓骨骼损伤,一名研究者用光子吸收法测量了骨骼中无机物含量,对三根骨头主侧和非主侧记录了测量值,结果见教材表11-20。分别用两种桡骨测量结果作为反应变量对其他骨骼测量结果作多重线性回归分析,提出并拟合适当的回归模型,分析残差。
教材表11-20 骨骼中无机物的含量
受试者编号
主侧桡骨
桡骨
主侧肱骨
肱骨
主侧尺骨
尺骨
1
1.103
1.052
2.139
2.238
0.873
0.872
2
0.842
0.859
1.873
1.741
0.590
0.744
3
0.925
0.873
1.887
1.809
0.767
0.713
4
0.857
0.744
1.739
1.547
0.706
0.674
5
0.795
0.809
1.734
1.715
0.549
0.654
6
0.787
0.779
1.509
1.474
0.782
0.571
7
0.933
0.880
1.695
1.656
0.737
0.803
8
0.799
0.851
1.740
1.777
0.618
0.682
9
0.945
0.876
1.811
1.759
0.853
0.777
10
0.921
0.906
1.954
2.009
0.823
0.765
11
0.792
0.825
1.624
1.657
0.686
0.668
12
0.815
0.751
2.204
1.846
0.678
0.546
13
0.755
0.724
1.508
1.458
0.662
0.595
14
0.880
0.866
1.786
1.811
0.810
0.819
15
0.900
0.838
1.902
1.606
0.723
0.677
16
0.764
0.757
1.743
1.794
0.586
0.541
17
0.733
0.748
1.863
1.869
0.672
0.752
18
0.932
0.898
2.028
2.032
0.836
0.805
19
0.856
0.786
1.390
1.324
0.578
0.610
20
0.890
0.950
2.187
2.087
0.758
0.718
21
0.688
0.532
1.650
1.378
0.533
0.482
22
0.940
0.850
2.334
2.225
0.757
0.731
23
0.493
0.616
1.037
1.268
0.546
0.615
24
0.835
0.752
1.509
1.422
0.618
0.664
25
0.915
0.936
1.971
1.869
0.869
0.868
解:1.以主侧桡骨无机物含量为Y变量(因变量);以其他骨骼测量结果为自变量(桡骨无机物含量为变量,主侧肱骨为变量,肱骨为变量,主侧尺骨为变量,尺骨为变量)来作多重线性回归分析。
统计描述、统计推断与变量筛选
SPSS步骤:Analyze→Regression linear→将Y变量选入Dependents框中,将5个自变量选入Independents框中→Method选“stepwise” →点击下方“statistics”,勾选“Estimates”、“Confidence intervals”、“Model fit”、“Collinearity diagnostics”和“Durbin-Watson”,点击“Continue” →点击“Save”,“Predicted Values”选“Unstandardized”,“Residuals”选“Unstandardized”和“Standardized”,Prediction intervals选“Mean”和“Individual”点击“Continue” →点击下方“Plots”, 将ZPRED选入X框;ZRESID选入Y框 ,Standardized Residual Plots 勾选“Histogram”→Continue →点击OK得出结果。
表1 回归模型的确定系数与调整确定系数
表2 回归系数及其假设检验结果
表3 回归方程方差分析表
由SPSS软件分析结果可知:用逐步法来筛选变量,将(桡骨)、(主侧肱骨)和(肱骨)三个自变量引入方程中。方程为。
回归方程的假设检验:
:;
:;
由表3可得方差分析,P<0.05,拒绝,接受,按水准,可认为多重线性回归方程有统计学意义。
由表1可得方程的确定系数,调整确定系数=0.805,其说明了回归方程拟合效果较好。
回归系数的假设检验:
:;
:;
由表2可得,,,经过t检验,三者均小于0.05
显示全部