第8章SPSS的相关学案.ppt

学习目标和内容： 明确相关关系的含义以及相关分析的主要目标 熟练掌握绘制散点图的具体操作 理解pearson简单相关系数、 spearman等级相关系数， kendall相关系数，并掌握计算操作，能够读懂分析结果 理解偏相关分析的主要目标以及与相关分析的关系，熟练掌握其操作，能够读懂分析结果 8.1 相关分析 8.1.1 函数关系与统计关系 客观事物之间的关系大致可分为两大类关系： （1）函数关系：当一个或几个变量取一定的值时，另一个变量有确定值与之相对应，我们称这种关系为确定性的函数关系。 （2）统计（相关）关系：两事物之间的一种非一一对应的关系，即当一个变量x取一定值时，另一变量y无法依确定的函数取唯一确定的值。 8.1.2统计（相关）关系分类 统计（相关）关系可再进一步分为： （1）线性相关：当一个变量的值发生变化时，另外的一个变量也发生大致相同的变化。在直角坐标系中，若现象观察值的分布大致在一条直线上，则现象之间的相关关系为线性相关或直线相关（Linear correlation）。 （2）非线性相关：如果一个变量发生变动，另外的变量也随之变动，但是，其观察值分布近似的在一条曲线上，则变量之间的相关关系为非线性相关或曲线相关（Curvilinear correlation） 8.1.3 线性相关分类 线性相关可以分为： （1）正线性相关：两个变量线性的相随变动方向相同。 （2）负线性相关：两个变量线性的相随变动方向相反。 （3）零线性相关（无线性相关） 相关系数(取值及其意义) 8.1.4 相关分析 如果仅仅研究变量之间的相互关系的密切程度和变化趋势，并用适当的统计指标描述。这就是相关分析。 如果要把变量间相互关系用函数表达出来，用一个或多个变量的取值来估计另一个变量的取值，这就是回归分析。 绘制散点图和计算相关系数是相关分析最常用的工具，它们的相互结合能够达到较为理想的分析效果。 8.2 绘制散点图 8.2.1 散点图的特点 散点图：是将数据以点的形式画在直角坐标系上，通过观察散点图能够直观的发现变量间的相关关系及它们的强弱程度和方向。 在实际分析中，散点图经常表现出某些特定的形式。如 “橄榄球”、“棒状”，。通常“橄榄球”和“棒状”代表了数据对的主要结构和特征，可以利用曲线将这种主要结构的轮廓描绘出来，使数据的主要特征更突出。 8.2.2 散点图应用举例 案例： 利用住房状况问卷调查数据，分析家庭收入与打算购买的住房面积之间存在怎样的统计关系。（数据：住房状况调查.sav） 操作：【图形（Graps）】 【散点图（Scatter）】 一、简单散点图 ①表示一对变量间统计关系的散点图 ②将纵轴变量选入【Y 轴】 ③将横轴变量选入【X轴】 ④将分组变量选入【设置标记】:用该变量分组，并在一张图上用不同颜色绘制若干个散点图 ⑤将标记变量选入【标注个案】：将标记变量的各变量值标记在散点图相应点的旁边。 问题:分析“家庭收入”和“计划面积”之间存在怎样的统计关系（住房状况调查） （一）直接绘图 【graphs】→【legacy dialogs】→【scatter/dot】，选简单散点图【simple scatter】 指定纵轴变量“计划面积” 入【Y Axis】, 横轴变量“家庭收入”入【X Axis】。 （二）交互法绘制散点图 在【graphs】中选交互建图【chart builder】，然后在【gallery】中选【scatter/dot】， 拖动简单的散点图sample scatter图标到绘图区域，再拖动相关变量到X、Y轴区域。 （三）图形进一步编辑——合并数据点，简化图形 在散点图上双击鼠标，选【options】下的【bin element】进行数据点合并，大圆圈代表周围的数据点密集 （四）图形进一步编辑——添加辅助回归线 双击图形后，选择【elements】下的【fit line at total】，这里选择线性回归linear。其它quadratic为二项式回归，cubic为三项式回归 问题：显示家庭收入、人均面积、购房价位，三个变量间的矩阵散点图（住房状况调查） 【graphs】→【legacy dialogs】→【scatter/dot】，选矩阵散点图【matrix scatter】 指定家庭收入、人均面积、购房价位到【matrix variables】框中 8.3 计算相关系数 8.3.1 相关系数的特点 相关系数以数值的方式精确地反映两个