晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

多數論文的研究問題，都會討論到變項之間的影響或預測，此時會利用迴歸模型，分析多個自變項（X）對於依變項（Y）的預測結果，除了知道每個自變項（X）對於依變項（Y）的影預測是否顯著之外，還可以知道其預測的方向性及強度，最後，我們可以根據此迴歸結果，建立迴歸預測的方程式，針對後續新進的樣本，可以迴歸方程式中需要的自變項代入，用來得到依變項（Y）的預測結果。

本篇文章準備了示範資料，樣本數為140人，共包括了5個自變項（X）與依變項（Y）-睡眠品質分數，分數越高，代表睡眠困擾越嚴重，5個自變項（X）介紹如下。

X1，性別（類別變項）：1=男性，0=女性

X2，年齡（連續變項）

X3，工作狀態（類別變項）：1=有工作，0=無工作

X4，情境焦慮程度（連續變項），分數越高，焦慮程度越高

X5，生活壓力程度（連續變項），分數越高，壓力程度越高

多元線性迴歸：

（1）「分析」à「迴歸」à「線性」。

（2）將依變項-睡眠品質分數丟入「依變數」。

（3）將自變項全部丟入「自變數」。

（4）按下「確定」。

（5）判定係數R平方0.198，代表解釋力為19.8%。

（6）F = 6.559達顯著水準，代表此迴歸模式的建立具有顯著的統計意義。

（7）「性別」的迴歸係數達顯著正值（B = 1.381，β = .186，p = .033），代表男性(1)相對於女性(0)，會有較高的睡眠品質分數，代表睡眠較差。

（8）「情境焦慮程度」的迴歸係數達顯著正值（B = 0.099，β = .283，p = .002），代表當情境焦慮程度的分數越高時，睡眠品質分數也會越高，換句話說，受訪者的焦慮程度越高時，睡眠困擾的問題也會越嚴重。

（9）「生活壓力程度」的迴歸係數達顯著正值（B = 0.023，β = .202，p = .026），代表當生活壓力程度的分數越高時，睡眠品質分數也會越高，換句話說，受訪者的壓力程度越高時，睡眠困擾的問題也會越嚴重。

透過此迴歸分析結果，可以建立迴歸方程式為

睡眠品質分數=0.505 + 1.381*性別 + 0.005*年齡 + (-0.034)*工作狀態 + 0.099*情境焦慮程度 + 0.023*生活壓力程度

用迴歸分析進行預測：

（10）本篇文章在示範資料中，增加7筆新進樣本，而這7筆樣本只會有自變項的資料，不會有依變項-睡眠品質的分數，因此這7筆的依變項為遺漏值。這邊提醒一下，不需擔心這7筆樣本的數據會影響到原來迴歸方程式的結果，因為在迴歸分析中，若樣本在任一自變項或依變項有遺漏值時，皆會被視為無效樣本，因此對迴歸來說，這7筆樣本就是無效樣本。

（11）回到迴歸分析頁面，點選「儲存」。

（12）勾選預測值裡的「未標準化」，未標準化即是依變項的原始分數。

（13）按下「確定」。

（14）回到SPSS的資料頁面，可以發現新增7筆樣本，軟體已經幫我們填入睡眠品質的預測得分。