10. 相关与回归分析：.docVIP

10 相关与回归分析 研究两个或多个变量之间的关系时，常常用到相关分析和回归分析。本章介绍在SPSS中进行相关分析和回归分析的计算方法。 10.1 双变量相关分析 Pearson积差相关系数（简单相关系数）描述，而等级资料或不满足正态性的计量资料相关性研究是使用Spearman和Kendall相关系数。在SPSS中，先对变量作正态性检验，Analyze→Correlate（相关）→Bivariate（两两相关），进行相关分析。 例10-1 某研究所研究某种代乳粉的营养价值时，用10只大白鼠作试验，得到大白鼠进食量（g）和增加体重（g）的数据如表10-1，试研究进食量与增加体重的相关关系。 表101 大白鼠进食量与增加体重 编号 1 2 3 4 5 6 7 8 9 10 进食量 820 780 720 867 690 787 934 679 639 820 增重 165 158 130 180 134 167 186 145 120 158 Analyze→Correlate→Bivariate，弹出Bivariate Correlations对话框，见图10-2；将左边框中的变量x、y送入Variables框中；单击OK。 图10-1 例10-1数据文件 图10-2 Bivariate Correlations对话框 Correlation Coefficients（相关系数）框中，Pearson：皮尔逊积差相关系数，系统默认；Kendall’s tau-b：肯德尔等级相关系数；Spearman：斯皮尔曼等级相关系数。若选择Flag significance Correlations（标记显著性），则用“**”、“*”分别表示P≤0.01、0.01＜P≤0.05。 主要结果见图10-3，Pearson相关系数r=0.9P=0.000＜0.001，可以认为呈正向直线相关。2～7岁急性白血病患儿的血小板数与出血症状资料表。研究血小板数与出血症状之间有无联系表10-2 血小板数x与出血症状y资料 x 54270 13790 16500 31050 42600 12160 74240 106400 126170 129000 143880 200400 y ＋＋ ＋＋ ＋ － ＋＋ ＋＋＋ － － － － ＋＋＋ － 。Bivariate Correlations对话框中选中Kendall’s tau-b和Spearman。 运行Kendall相关系数＝－0.377、P＝0.117＞0.05，Spearman相关系数＝－0.422、P＝0.17＞0.05，不能认为2～7岁急性白血病患儿的血小板数与出血症状之间有直线关系。10.2 偏相关分析 在SPSS中选择Analyze →Correlate → Partial（偏相关）命令， 例10-3 10名17岁女生的体重x1（kg）、胸围x2（cm）、胸围的呼吸差x3（cm）、肺活量y（ml）的数据如表10-3所示。试的。表10-3 女中学生的数据 编号 1 2 3 4 5 6 7 8 9 10 35 40 40 42 37 45 43 37 44 42 x2 69 74 64 74 72 68 78 66 70 65 x3 0.7 2.5 2 3 1.1 1.5 4.3 2 3.2 3 y 1600 2600 2100 2650 2400 2200 2750 1600 2750 2500 解 将表10-3中数据建立成10行4列的数据文件，如图10-5。 经检验四个变量均服从正态分布；选择菜单Analyze→Correlate→Partial（偏相关）Partial Correlations对话框，见图10-6；将计算偏相关系数的变量（y、x3）送入Variables（检验变量）框中、扣除影响的变量简单相关系数10-5 例10-3数据文件 10-6 Partial Correlations对话框 图10-7 例10-3计算结果 输出结果见图10-7。y与x3的简单相关系数影响选择Partial命令影响简单相关系数影响简单相关系数相关系数相关关系最密切10.3 一元线性回归 。在SPSS中选择菜单Analyze→Regression（回归）→Linear（线性回归）命令可以完成一元线性回归的计算。 例10-4 对例10-1中大白鼠的进食量与增加体重进行回归分析。 解：数据文件同例10-1。选择菜单Analyze→Regression→Linear，弹出Linear Regression（线性回归）主对话框，将因变量y送入Dependent（因变量）框中，自变量x送