JASP简单一元线性回归案例实践 / 开普饭

案例数据：胆固醇数据

先来看案例，这是【医咖会】平台关于线性回归的一个典型案例数据。

研究者拟在45-65岁健康男性人群中分析胆固醇浓度与看电视时间的关系。他们猜测可能存在正向相关，即看电视时间越长，胆固醇浓度越高。同时，他们也希望预测胆固醇浓度，并计算看电视时间对胆固醇浓度的解释能力。

在本例中，因变量是胆固醇浓度数据，自变量是看电视时间，仅有一个因素变量的线性回归可以称之为简单一元线性回归。

JASP统计操作

看电视时间与胆固醇浓度间是否存在线性关系，前面小兵已经写过文章了。大家看这一篇自行完成。

依次点击菜单【Regression】→【linear regression】。

因变量：胆固醇浓度

自变量：看电视时间

此时JASP已经马上再右侧结果区域给出拟合结果。

结果解读

（1）R方=0.757，是回归方程的决定系数，表示Y变异的75.7%可以由X的变异来解释，或方程可解释Y变异的75.7%。

（2）对回归方程进行方差分析：F=131.401，P＜0.001。拟合的回归模型有统计学意义，可以认为看电视时长和胆固醇浓度有直线关系。

如果大家问为什么JASP没有给出具体的P值，建议读一读下面这篇文章。对于SPSS或JASP来说，这些知识点都是相通的。

（3）对回归系数进行显著性t检验：Constant（回归方程的截距）与0之间的差别有统计学意义（t=22.311, P＜0.001），斜率与0之间的差别有统计学意义（t=11.463, P＜0.001）。

基于以上三个结果的解读，认为可建立回归方程。具体为：

Y=3.663+0.006*X，X为看电视时长，Y为胆固醇浓度。

我是小结

以上是最直接了当的线性回归过程，如果我们再严谨一些，则需要就残差进行诊断，判断线性回归的基本假设条件是否满足。

关于残差独立性，前面写过一篇文章，大家再回归一下。如下文。

关于残差正态、残差齐次等假设条件的判断，小兵安排在后面来讨论，敬请期待。

本文完

文/图=数据小兵

更多JASP统计文章

一款全新的统计软件：JASP

JASP简单一元线性回归案例实践