三维散点图.ppt

本章内容 8.1 相关分析概述 8.2 绘制散点图 8.3 相关分析 8.4 偏相关分析 8.1 相关分析和回归分析概述 客观事物之间的关系大致可归纳为两大类，即 函数关系：指两事物之间的一种一一对应的关系，如商品的销售额和销售量之间的关系。 相关关系（统计关系）：指两事物之间的一种非一一对应的关系，例如家庭收入和支出、子女身高和父母身高之间的关系等。相关关系又分为线性相关和非线性相关。 相关分析和回归分析都是分析客观事物之间相关关系的数量分析方法。 双变量关系强度测量的主要指标 8.2绘制散点图 散点图又称相关图。根据散点图中数据的分布走向和密集程度，可以大致判断变量之间的相关关系。 单击Graphs－legacy dialogs- Scatter项，打开窗口 Simple Scatter：简单散点图，只能在图上显示一对相关变量 Matrix Scatter：矩阵散点图，在矩阵中显示多个相关变量 Overlay Scatter：重叠散点图，在图上显示多对相关变量 3-D Scatter：三维散点图，显示三个相关变量 下面分别介绍各种散点图。 1、简单散点图 单击Define按钮，打开窗口 Y Axis：选择Y轴要绘制的变量 X Axis：选择X轴要绘制的变量 Set Markers by：选择分组变量，SPSS根据该变量的值将观测量分成几组，每组采用不同的符号标注 Label Cases by：观测量标签变量 以学生成绩为例，分别选择中文、英语和性别进入Y Axis、 X Axis、 Set Markers by框中。 2、矩阵散点图 在矩阵散点图中，将图形分成多个方格，在每个方格中单独绘制某两个变量的数据。 在散点图窗口中选择矩阵散点图，单击Define，在出现的窗口中，依次选择英语、中文、铁饼和标枪进入Matrix框中，选择性别进入Set Markers框中。 3、重叠散点图 在重叠散点图中，在一个坐标系中绘制多个不同的变量对。 在散点图窗口中选择重叠散点图，单击Define，在出现的窗口中，选择变量中文、英语对和铁饼、标枪对进入Y-X Pairs框中。 4、三维散点图 三维散点图在三维坐标系中绘制三个变量的数据。 在散点图窗口中选择三维散点图，单击Define，在出现的窗口中，分别选择中文、英语和标枪为Y轴变量、X轴变量、Z轴变量。 8.3 相关分析 相关分析通过图形和数值两种方式，有效地揭示事物之间相关关系的强弱程度和形式。 8.3.1 散点图 它将数据以点的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他们的强弱程度和方向。 8.3.2 相关系数 利用相关系数进行变量间线性关系的分析通常需要完成以下两个步骤： 第一，计算样本相关系数r； 相关系数r的取值在-1～+1之间 R0表示两变量存在正的线性相关关系；r0表示两变量存在负的线性相关关系 R＝1表示两变量存在完全正相关；r＝-1表示两变量存在完全负相关；r＝0表示两变量不相关 |r|0.8表示两变量有较强的线性关系； |r|0.3表示两变量之间的线性关系较弱 第二，对样本来自的两总体是否存在显著的线性关系进行推断。 对不同类型的变量应采用不同的相关系数来度量，常用的相关系数主要有Pearson简单相关系数、Spearman等级相关系数和Kendall 相关系数等。 1、 Pearson简单相关系数（适用于两个变量都是数值型的数据） Pearson简单相关系数的检验统计量为： 例如： 2 、Spearman等级相关系数 Spearman等级相关系数用来度量定序变量间的线性相关关系，设计思想与Pearson简单相关系数相同，只是数据为非定距的，故计算时并不直接采用原始数据 ，而是利用数据的秩，用两变量的秩 代替 代入Pearson简单相关系数计算公式中，于是其中的 和 的取值范围被限制在1和n之间，且可被简化为： 例如 如果两变量的正相关性较强，它们秩的变化具有同步性，于是 的值较小，r趋向于1； 如果两变量的正相关性较弱，它们秩的变化不具有同步性，于是 的值较大，r趋向于0； 在小样本下，在零假设成立时， Spearman等级相关系数服从Spearman分布；在大样本下， Spearman等级相关系数的检验统计量为Z统计量，定义为：