SPSS课件第9章.docVIP

第三篇 SPSS深入分析 第9章 相关分析与一般线性模型 在前面的第2篇中，我们讲解的统计方法基本都是一元统计方法，只分析一个变量。这其中有几个例外：多选项分析中涉及多个SPSS变量，但是经过多选项集定义以后，还是将多选项集当作一个变量在分析；参数检验和非参数检验中都有配对样本检验，也涉及多个SPSS变量，只是对于配对变量来说，都是同一性质的变量，分析时也是结合在一起分析的，因此可以算作分析一个变量；方差分析中涉及多个变量；但是方差分析主要是分析观测变量，控制变量只是用来对观测变量分类的，因此仍然是分析一个变量。当然一元统计分析的模型还有很多，本书限于篇幅只是列举了SPSS中常用的功能，对于其他模型有兴趣的读者可以查阅相关统计专业书籍。 从本章开始，我们开始介绍多元统计分析的模型和方法，和一元统计分析对应，多元统计分析方法分析的是多个性质不同的SPSS变量；一元统计只是分析总体的某个特征，而多元统计分析则是分析总体的多个特征，分析这些特征各自的情况，并分析这些特征的联系，对这些特征进行处理的方法等等。因此多元统计的问题比一元统计复杂，处理的方法也更多。在本篇中将给读者介绍SPSS中常用的多元统计方法：相关分析、回归分析、聚类和判别、因子与对应分析，以及时间序列分析。 相关分析是比较简单的多元分析方法，但是也是经常使用的多元统计分析方法，它能快速发现总体特征（变量）之间关系，并检验这些特征的显著性。这一方面对于简单的统计分析已经可以提供足够的结论，另一方面也为后续的更加复杂的多元统计分析模型提供条件和依据。因此，相关分析在多元统计分析中的作用是非常大的。 一般线性模型是方差分析的推广和延伸，其作用是分析一个或多个自变量对一个或多个应变量的线性关系，其内容非常丰富，包含方差分析、重复测量方差分析、多元线性回归等等，在第8章我们已经接触过它的强大功能了，掌握一般线性模型对于我们提高自身的统计分析能力有很大帮助。我们就从这两个简单而又重要的方法开始学习多元统计分析的模型。 9.1 相关分析 现代自然科学研究、经济检验、企业管理等活动中普遍存在的相互影响、相互依存的关系可以概括为两大类：函数关系和相关关系，函数关系是一种严格的确定对应关系，而相关关系是一种不要求确定对应，具有一定随机性的关系，实际中，并且相关关系更具有一般性。相关分析是处理变量之间相关关系的一种统计方法。通过相关分析，可以了解两个或两个以上的变量之间是否有相关关系，相关关系的方向、形式以及相关密切程度。下面我们就为读者简单介绍相关分析。 9.1.1 引例，相关分析概述 相关分析是用来研究变量间相关关系的，因此读者必须对相关关系有一个比较清楚的概念。在现实生产生活中，各种事物特征、各种现象之间相互联系、相互制约、相互依存，某些现象发生变化时，另一现象也会随之变化，例如，居民收入的高低会影响银行储蓄额的增减，商品价格的变化会影响商品销售量的变化等等。这些影响依存的关系又可分为函数关系和相关关系两大类。 1. 相关关系的定义 函数关系是指现象、变量之间一种严格的确定性关系。在这种关系中，当一个变量数值确定时，根据函数关系，另一变量的取值也就唯一确定了，例如：恒速运动的物体运动位移和时间的关系就是函数关系。相关关系是指客观变量之间确实存在的，但数量上不是严格对应的依存关系。在这种关系中，对于其中一个变量的确定取值，另一个变量取值并不是确定的，而是有多个不同的值与之对应。例如投资和GDP增长有密切关系，一般说来投资加大会促进GDP增长，但是固定的投资值与之对应的GDP增长值却不固定，这是因为GDP增长还会受到消费、经济环境、国家政策等诸多因素影响，会围绕一个平均数上下波动。 函数关系和相关关系并没有严格的界限，在实际中，相关关系更具一般性，因为即使是函数关系，也会因为测量误差，偶然因素的影响使得结果并不是严格确定的，因此函数关系就变成了相关关系；而相关关系很多场合也要借助函数关系的模型和公式来表达，只是加上随机因素的扰动，如果能够完全消除扰动，那么相关关系就转化为函数关系了。 2. 相关关系的种类 弄清楚两种关系的联系后，我们来看相关关系的分类： 相关关系按照涉及的变量个数，可以分为单相关和复相关。单相关是指研究一个变量和另一个变量之间的相关关系，复相关是指研究一个变量和另一组变量之间的相关关系，当然还有研究一组变量和另一组变量之间的多对多的相关关系，我们称之为典型相关，因为SPSS没有提供典型相关的菜单，因此本书不介绍典型相关。 相关关系按照表现形式不同，分为直线相关和曲线相关，直线相关又称线性相关，是指一个变量变化时，其变化量与另一个变量的变化量有大致按比例变化，两个变量的散点图近似落在一条直线附近。曲线相关又称非线性相关，是指两个变量的变化不是直线变化，散点图也