实验四直线回归与相关.docVIP

试验四 一元线性相关与回归分析 试验目的： 1. 了解相关与回归的概念。 2. 熟悉散点图的绘制并判断两变量间的线性趋势、直线相关分析。 3. 掌握简单线性回归分析。 基本要求：掌握建立直线回归方程的方法。 基本原理：根据直线回归方程，将依变量y的总变异分解为由x变异引起的变异和误差所引起的变异两部分，分别计算各变异的平方和与自由度。 试验内容： 1. 两个变量间的相关分析 2. 多个变量间的相关分析 3. 一元线性回归分析 重点：本章重点是掌握建立一元线性回归方程的方法，理解方差分析与t检验对方程及回归系数进行假设检验的基本思想。 难点：本章难点是直线相关的概念、相关系数的意义，相关系数的计算。 1．相关分析的基本原理 一般来说现象之间的相互关系可以分为两种，一种是函数关系，另一种是相关关系。函数关系是指变量之间存在的相互依存的关系，它们之间的关系值是确定的。相关关系是两个现象数值变化不完全确定的依存关系。两变量间的相关分析就是研究两变量间线性相关程度并用适当的统计指标表示出来的一种常用统计方法。按相关的程度分，有完全相关、不完全相关和不相关；按相关的性质分，有正相关和负相关。测定变量之间线性相关程度和相关方向的统计指标是相关系数,同时要对相关系数的显著性检验。 2．SPSS实现过程 例12-10 为研究某种化肥对农作物产量的影响，选取了10块条件基本相同的地块进行试验得到施肥量与农作物的亩产量，试求农作物亩产量对施肥量的回归直线方程。数据（如表12-6所示）。 表12-6 地块编号 1 2 3 4 5 6 7 8 9 10 施肥量 2 4 5 8 8 10 11 13 14 15 亩产量 253 294 298 360 348 366 410 401 443 437 （1） 把“亩产量”设为因变量y，“施肥量”设为自变量x。在Analyze（分析）菜单中选择Correlate（相关分析）中的Bivariate（两个变量相关分析）命令。弹出Bivariate Correlations（两个变量相关）对话框（如图12-56所示）。 图12-56 （2） 选择进行相关分析的变量。现欲分析亩产量与施肥量的相关关系，故在Bivariate Correlations（两个变量相关）对话框左侧的变量列表中选“亩产量”和“施肥量”，使之进入Variables（变量）框。 1) 设定相关系数的类型。Correlation Coefficient（相关系数）复选框组包含了3个复选框，对应3种相关系数的类型。① Pearson(皮尔逊)复选框：此项为默认设置。本例中的亩产量与施肥量两个变量为等距变量，其数据可进行加减运算，因此采用该设置，计算相关系数;② Kendallstua-b(肯德尔)复选框：等级相关系数，是一个用反映分类变量一致性的指标，只能在两个变量均属于有序分类时使用;③ Spearman(斯皮尔曼)复选框：是最常用的无参数相关分析。 2）确定双尾检验还是单尾检验。在Test of Significance（显著性检验）框中，选择单选钮Tow-tailed（双侧）表示选择双尾检验，选择单选钮One-tailed（单侧）表示选择单尾检验。默认设置将对相关显著性进行双尾检验，本例采用默认设置。 3）是否突出显示相关是否显著。选择复选框Flag significant correlations（标识显著相关），在输出结果中将用“*”号标记有统计学意义的相关系数，P0.05的系数值旁会标记一个星号，PO.01的则标记两个星号。默认设置选中该项，本例采用默认设置。 （3）指定输出内容和缺失值处理方法。单击Bivariate Correlations（两个变量相关）对话框中的Options（选项）按钮，弹出Bivariate Correlations Options（两个变量相关选项）对话框。 1) Statistics（统计）复选框组：选择要输出的统计量。 ①Means and standard deviations（平均值和标准差）;②Cross-product deviations and covariances（产品交叉离差和协方差）复选框：输出各对变量的离均差平方和以及协方差阵。 2) Missing Values（缺失值）单选框组：指定对缺失值的处理方法。本例采用默认设置。①Excludes casespairwise（排除因变量和自变量均有缺失值观测量）单选钮：在分析过程中遇到缺失值时将缺失值排除在数据分析之外;②Excludescaseslistwise（排除因变量或自变量有缺失值观测量）单选钮：只要相关变量有缺失值，则在所有分析中都将该记录去除（如图12-57所示）。