spss有序回归的估计值负数想必都是比较想知道，关于回归模型参数估计值spss这类的话题一直是大家很想去了解的，让小编为你揭秘案吧！
上期我们详细讲解了SPSS的一般判别分析。一般判别分析是根据已知的变量数据来判别某些未知类别的样本的方法。今天我们来讲解SPSS逐步判别分析。逐步判别分析是筛选出与待识别类别强相关的变量指标来识别类别，而与类别不强相关的指标则被剔除。详细请看以下案例
我们收集了421例患者的相关指标数据和类别变量数据，其中420例患者数据完整，第421例患者类别未知。我们想要确定第421例患者的类别，并且想要筛选出与该类别强相关的变量指标。相关指标被淘汰。
图1
SPSS中的操作步骤
点击“分析”-“分类”-“判别”
图2
分组变量选择“类别”，并设置定义范围，选择其余指标作为自变量，点击下方“使用步进法”，
图3
点击右侧“统计”，勾选“平均”下的“Fisher”和“非标准化”以及函数系数
图4
点击右侧“类别”按钮，查看图表下的“汇总表”以及“合并组”和“域图”
图5
点击右侧“保存”按钮，勾选“预测组成员”，最后点击确定进行计算。
图6
结果分析
这里我们不再重复前面一般判别分析同表的分析。需要学习的朋友可以参考《SPSS判别函数分析在医学统计分析中的应用1--一般判别分析》。这里我们只解释与一般判别分析不同的结果
图7
从上表可以看出，体重指数和血糖对于区分类别都有显着意义，Plt;005。然而，尿酸没有被包括在内，这表明尿酸对于区分类别没有显着意义。这里去掉尿酸这个变量，在接下来的判别过程中，只考虑具有显着判别意义的体重指数和血糖。
图8
从上表可以看出，第421例患者最终被确定为健康组。以上就是本期的内容。总结一下重点，与上期讲解的一般判别分析不同的是，这里剔除了与待判别类别变量相关性较弱的变量指标。在现实分析中，现实意义非常大，可以节省成本，提高针对性，避免一些数据采集困难，消耗大量人力物力去获取一些相关性不强的数据等等。更多SPSS分析课程将持续更新，敬请关注！
杏花生物医药统计客服QQ3305200052
版权声明本文为杏花开生物医学统计原创文章。
【杏花生物医药统计】相关文章
关于spss有序回归的估计值负数和一些回归模型参数估计值spss的相关内容，本文作了详细解，希望能帮到广大网友。
No Comment