岭回归分析及其SPSS实现方法
近日有医院的小伙伴问起岭回归分析的SPSS操作，在此与大家一起复习一下。
岭回归分析（RidgeRegression）是一种改良的最小二乘估计方法，它是用于解决在线性回归分析中自变量存在共线性的问题。什么？共线性是什么？共线性就是指自变量之间存在一种完全或良好的线性关系，进而导致自变量相关矩阵之行列式近似为0，导致最小二乘估计失效。此时统计学家就引入了k个单位阵（I），使得回归系数可估计。设么？没看懂，那就算了。
知道岭回归分析就是用来解决多重共线性的问题，就够了。在医学科研的实际工作中，往往不需要创造算法，会用算法就行。当然如果你有心研究其原理，那更是极好的。
下面我们还是通过实例来学习岭回归分析的应用条件和SPSS实习方法吧。用SPSS自带的例子（来自SPSS 20.0版的示例数据库，其他版本的就别找了），某研究者想了解B超下胎儿的身长、头围、体重与胎儿受精周数之间的关系，即B超测得上述参数之后，用它们来推测胎儿的受精时长（周数）。我们很容易想到用多重线性回归来解决，以胎儿周数为因变量，以身长、头围和体重为因变量，做回归之后我们发现，结果如下：
不会吧？！头围尽然与周龄成负相关，开玩笑啊。这个方程肯定是有问题，细心的读者也已经发现方差膨胀因子（VIF）大到200多了（VIF是用来判断自变量共线性的一种方法，如果大于10即认为存在较为严重的共线性）。现在该怎么办？岭回归该发挥作用了。
岭回归分析在SPSS中没有可供点击的对话框，我们需要写一段超级简单的语法来调用SPSS的宏。SPSS公司可能也觉得羞愧，
近日有医院的小伙伴问起岭回归分析的SPSS操作，在此与大家一起复习一下。
岭回归分析（RidgeRegression）是一种改良的最小二乘估计方法，它是用于解决在线性回归分析中自变量存在共线性的问题。什么？共线性是什么？共线性就是指自变量之间存在一种完全或良好的线性关系，进而导致自变量相关矩阵之行列式近似为0，导致最小二乘估计失效。此时统计学家就引入了k个单位阵（I），使得回归系数可估计。设么？没看懂，那就算了。
知道岭回归分析就是用来解决多重共线性的问题，就够了。在医学科研的实际工作中，往往不需要创造算法，会用算法就行。当然如果你有心研究其原理，那更是极好的。
下面我们还是通过实例来学习岭回归分析的应用条件和SPSS实习方法吧。用SPSS自带的例子（来自SPSS 20.0版的示例数据库，其他版本的就别找了），某研究者想了解B超下胎儿的身长、头围、体重与胎儿受精周数之间的关系，即B超测得上述参数之后，用它们来推测胎儿的受精时长（周数）。我们很容易想到用多重线性回归来解决，以胎儿周数为因变量，以身长、头围和体重为因变量，做回归之后我们发现，结果如下：
不会吧？！头围尽然与周龄成负相关，开玩笑啊。这个方程肯定是有问题，细心的读者也已经发现方差膨胀因子（VIF）大到200多了（VIF是用来判断自变量共线性的一种方法，如果大于10即认为存在较为严重的共线性）。现在该怎么办？岭回归该发挥作用了。
岭回归分析在SPSS中没有可供点击的对话框，我们需要写一段超级简单的语法来调用SPSS的宏。SPSS公司可能也觉得羞愧，
