spss统计分析 一到七章.ppt

5.4 偏相关分析 一、 偏相关分析和偏相关系数 1、简单相关系数研究两变量间线性相关性，若还存在其他因素影响，其往往夸大变量间的相关性，不是两变量间线性相关强弱的真实体现。 例如，研究商品的需求量、价格和消费者收入之间的线性关系时，需求量和价格的相关关系实际还包含了消费者收入对价格和商品需求量的影响。此时，单纯利用简单相关系数来评价变量间的相关性是不准确的，需要在剔除其他相关因素影响的条件下计算变量间的相关。偏相关的意义就在于此。 2、偏相关分析也称净相关分析，它在控制其他变量线性影响的条件下分析两变量间的线性关系，所采用的工具是偏相关系数。 3、控制变量个数为1时，偏相关系数称一阶偏相关；当控制两个变量时，偏相关系数称为二阶偏相关；当控制变量的个数为0时，偏相关系数称为零阶偏相关，也就是简单相关系数。 二、 偏相关系数的分析步骤 1、计算样本的偏相关系数 假设有三个变量y、x1和x2，在分析x1和y之间的净相关时，需控制x2的线性作用，则x1和y之间的一阶偏相关定义为： 偏相关系数的取值范围及大小含义与相关系数相同。 2、对样本来自的两总体是否存在显著的净相关进行推断，检验统计量为： 其中，r为偏相关系数，n为样本数，q为阶数。t统计量服从n-q-2个自由度的t分布。 三、 偏相关分析的应用举例 对于案例5-1，已经分析了城镇家庭居民人均消费与城镇居民家庭人均可支配收入之间的相关性。现在分析城镇居民家庭人居消费（x1）、城镇居民家庭人均可支配收入（x2）和农村居民家庭人均纯收入（x3）三者之间的相关关系 【分析（analyze）】 【相关（correlate）】 【偏相关（partial）】 表5.2 描述性统计量 表5.2 描述性统计量 ? 均值 标准差 N 农村居民家庭人均纯收入 1113.207 657.3561 15 城镇居民家庭人均消费 2305.500 1444.5152 15 城镇居民家庭人均可支配收入 2504.657 1549.5023 15 描述统计量包括均值（Mean）、标准差（Std. Deviation）和观测量个数（Number of cases） 表5.3 相关性 表5.3 相关性 ? ? 农村居民家庭人均纯收入 城镇居民家庭人均消费 城镇居民家庭人均可支配收入 农村居民家庭人均纯收入 Pearson 相关性 1 .994** .994** 显著性（双侧） ? .000 .000 平方与叉积的和 6614416.759 1.352E7 1.770E7 协方差 472455.342 956997.004 1264079.002 N 15 15 15 城镇居民家庭人均消费 Pearson 相关性 .994** 1 1.000** 显著性（双侧） .000 ? .000 平方与叉积的和 1.352E7 2.921E7 3.739E7 协方差 956997.004 2056632.916 2670690.363 N 15 15 15 城镇居民家庭人均可支配收入 Pearson 相关性 .994** 1.000** 1 显著性（双侧） .000 .000 ? 平方与叉积的和 1.770E7 3.739E7 4.759E7 协方差 1264079.002 2670690.363 3420655.733 N 15 15 15 **. 在 .01 水平（双侧）上显著相关。 从表中可以看出农村居民家庭人均纯收入与城镇居民家庭人均消费、城镇居民家庭人均可支配收入之间均存在显著的相关关系。城镇居民家庭人均消费与城镇居民家庭人均可支配收入之间完全相关（相关系数为1）。从经济学上来讲，城镇居民家庭人均消费与城镇居民家庭人均可支配收入之间完全相关是合理的，但是农村居民家庭人均纯收入与城镇居民家庭人均消费与城镇居民家庭人均可支配收入之间存在明显的显著关系却是无法解释的，因此，这是一种伪相关关系。 表5.4 控制变量为x2的相关性 表5.4 控制变量为x2的相关性 ? 控制变量 城镇居民家庭人均消费 农村居民家庭人均纯收入 城镇居民家庭人均可支配收入 城镇居民家庭人均消费 相关性 1.000 .022 显著性（双侧） . .939 df 0 12 农村居民家庭人均纯收入 相关性 .022 1.000 显著性（双侧） .939 . df 12 0 表5.5 控制变量为x1的相关性 表5.5 控制变量为x1的相关性 控制变量 农村居民家庭人均纯收入 城镇居民家庭人均可支配收入 城镇居民家庭人均消费 农村居民家庭人均纯收入 相关性 1.000 .222 显著性（双侧） . .447 df 0 12 城镇居民家庭人均可支配收入 相关性 .