回歸分析能夠解決的問題：

Ø 根據父母的身高能否預測孩子的身高？

Ø 根據行走時的步态參數能否預測老人跌倒概率？

Ø 哪些因素對标槍成績影響較大？

Ø 導緻兒童肥胖的主要因素是什麼？

線性回歸是用直線回歸方程表示兩個數量變量間依存關系的統計分析方法。如果某一個變量随着另一個變量的變化而變化，并且它們的變化在直角坐标系中呈直線趨勢，就可以用一個直線方程來定量地描述它們之間的數量依存關系。

線性回歸分析中兩個變量的地位不同，其中因變量（y）是依賴自變量（x）而變化。

回歸分析在體育研究中的功能：

1.預測功能

父母身高預測孩子身高身高預測體重；行走時的步态參數能否預測老人跌倒概率等。

2.控制功能

如果研究發現爆發力是影響标槍成績的重要因素，那麼提高運動員爆發力将會對标槍成績産生較大影響。

3.描述變量間的關系

描述兩個變量關系時，可以計算出x每變化1個單位，y的變化量。因此，能夠比相關分析更加精确的描述兩個變量間的關系。

案例：根據步态預測老年人動态平衡能力

實驗對象：60歲左右的老年人。

測試内容：老年人步态指标。

Ø 時間類指标：複步時間、單步時間、雙支撐時間、擺動時間、着地時間。

Ø 空間類指标：COP軌迹長、左右側COP、前後側COP、腳印面積、步向角、腳長、單步長、 複步長。

Ø 時空類指标： 單步步速。

Ø 力學指标： 足底平均壓力。

研究目的：根據步态參數預測老年人平衡能力。

本次分析目的：采用單個步态參數預測老年人的動态平衡能力

根據複步長預測老年人動态平衡能力

1 SPSS步驟

1）分析-回歸-線性

2）“因變量”選入因變量“動态平衡得分”；“塊”選入自變量“複步長”。

點擊“統計”。

3）勾選“描述”，點擊“繼續”，返回後點擊“确定”。

2 SPSS結果

1）“描述統計”給出了自變量和因變量的平均數與标準差。

2）“模型摘要”介紹了回歸方程拟合情況，決定系數R2越大，回歸模型效果越好。

R2=0.349，說明所構建的回歸模型能夠解釋因變量34.9%的信息，模型效果不太好。

調整後的R2主要用于不同模型拟合效果的對比。

3）“ANOVA”是對回歸模型的方差分析結果，也就是對回歸系數的檢驗。

判斷方法：

P＞0.05時，回歸模型無統計學意義；

P≤0.05時，回歸模型有統計學意義。

4）方差分析表中P<0.05，回歸模型有統計學意義，能夠起到一定的預測作用。

“系數”給出了回歸方程的常數項、回歸系數及其檢驗結果等。

常數項a=-12931.342，回歸系數b=33104.840。回歸方程為：

為動态平衡得分，x為複步長。根據複步長，可以計算動态平衡得分。