background image

 

51 

 

Lecture 7 - Regression  

Regression allows you to predict variables based on another variable.  Let’s begin with the 
example used in the text in which mental health symptoms are predicted from stress. 

 

Open symptoms and stress.sav.  
Select Analyze/Regression/Linear

Figure 1

 


Select symptoms as the Dependent variable and stress as the Independent variable. 

Then, click on Statistics to explore our options. The following dialog box will appear. 

Figure 2

 

 As you can see there are many options. Estimates and Model Fit are selected by default. 
Leave them that way. Then select Descriptives and Part and partial correlations. SPSS 


background image

 

52 

will then calculate the mean and standard deviation for each variable in the equation and the 
correlation between the two variables. Then, click Continue

At the main dialog box, click on Plots so we can see our options. 

Figure 3

 

 

It looks like we can create scatterplots here. Click Help to see what the abbreviations 
represent. I’d like to plot the Dependent variable against the predicted values to see how 
close they are. Select Dependnt for and Adjpred for X. Adjpred is the adjusted prediction. 
Used Help/Topics/Index to find out what this means for yourself. Then, click Continue. 

Figure  4

 


background image

 

53 

In the main dialog box, click Save, and the dialog box to the left will appear. For 
Predicted Values, select Unstandardized and Standardized. For Residuals, also select 
Unstandardized and Standardized. Now, SPSS will save the predicted values of symptoms 
based on the regression equation and the residual or difference between the predicted values 
and actual values of symptoms in the data file. This is a nice feature. Remember, the 
standardized values are based on z score transformations of the data whereas the 
unstandardized values are based on the raw data. Click Continue

Finally, click on Options

 

Including a constant in the equation is selected by default. This simply means that you 
want both a slope and an intercept (the constant). That’s good. We will always leave this 
checked. Excluding cases listwise is also fine. We do not have any missing cases in this 
example.

 

 

 


background image

 

54 

 

 

 

 Take a moment to identify all of the key pieces of information. Find the regression 
coefficients used to calculate the regression equation. One difference is that the text did not 
include the scatterplot. What do you think of the scatterplot? Does it help you see that 
predicting symptoms based on stress is a pretty good estimate 
  
Now, click Window/Symptoms and stress.sav and look at the new data (residuals and 
predicted values) in your file. A small sample is below. Note how they are named and 
labeled.

 

 


background image

 

55 

Let’s use what we know about the regression equation to check the accuracy of the scores 
created by SPSS. We will focus on the unstandardized predicted and residual values. This is 
also a great opportunity to learn how to use the Transform menus to perform calculations 
based on existing data.  
We know from the regression equation that:  
Symptoms Predicted or = 73.890 + .783* Stress. Yˆ  
We also know that the residual can be computed as follows:  
Residual = Y-or Symptoms – Symptoms Predicted Values. Yˆ  
We’ll use SPSS to calculate these values and then compare them to the values computed by 
SPSS.  
In the Data Editor window, select Transform/Compute.

 

 

Check the Data Editor to see if your new variable is there, and compare it to pre_1. Are 
they the same? The only difference I see is that our variable is only expressed to 2 decimal 
places. But, the values agree.  
Follow similar steps to calculate the residual. Click on Transform/Compute. Name your 
Target Variable sympres and Label it symptoms residual. Put the formula symptoms-
sympred in the Numeric Expression box by double clicking the two pre-existing variables 
and typing a minus sign between them. Then, click Ok.  
Compare these values to res_1. Again they agree. A portion of the new data file is below.

 


background image

 

56 

Now that you are confident that the predicted and residual values computed by SPSS are 
exactly what you intended, you won’t ever need to calculate them yourself again. You can 
simply rely on the values computed by SPSS through the Save command.

 

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 




رفعت المحاضرة من قبل: Mostafa Altae
المشاهدات: لقد قام 5 أعضاء و 66 زائراً بقراءة هذه المحاضرة








تسجيل دخول

أو
عبر الحساب الاعتيادي
الرجاء كتابة البريد الالكتروني بشكل صحيح
الرجاء كتابة كلمة المرور
لست عضواً في موقع محاضراتي؟
اضغط هنا للتسجيل

Title

Text