2013统计软件SPSS-相关与回归.ppt

2013.5.28 TYC SPSS统计分析 教案 此项作用为在相关系数上用 符号标记显著性水平。 注意：Pearson Correlation Coefficient就是直线相关系数r。 输出结果 表 10.3 发硒与血硒的 r = 0.880，P 0.01。 注意：只有选择了Flag Significant Correlations选项才有。 输出结果 表 10.4 表 10.5 F=34.156，P 0.001。说明回归方程有意义。 输出结果 表 10.6 表 10.7 R=0.880, R2=0.774。 表10.19 输出结果 体重(X1)与上臂围(X4)的r=0.866，P 0.001。说明二者相关。 输出结果 Partial Corr — 偏相关分析 体重(X1)与上臂围(X4)的偏相关系数=0.540，P = 0.167 0.05。 说明在控制身高、胸围、三头肌和肩胛下角四个变量下， 体重与上臂围二者不相关。 表10.19a 表 10.22 表 10.23 复相关系数R = 0.802 输出结果 * * 吉林大学远程教学课件 统计软件SPSS 主讲人 陶育纯 — 相关与回归 /ss.html 目录 第十章 相关与回归 一、一元线性相关与回归 *二、多元相关分析 第十一章 Logistic回归（介绍） *三、多元线性回归（包括多元逐步回归） * 附加讲 第十章 相关与回归 一、一元线性相关与回归 ㈠ 使用命令 SPSS通过Analyze → Correlate ? → Bivariate…分析完成对某资料的直线相关分析。 SPSS通过Analyze → Regression ? → Linear…分析完成对某资料的直线回归分析。 注意：一元线性相关又称直线相关，一元线性回归又称直线回归。 ㈡ 例题及分析过程 下面通过对教材第149页例10.1的资料做直线相关与回归分析来讲述操作步骤及结果的判读。 1. 建立数据文件（见exp10.1.sav） 2. 正态性检验及绘制散点图 利用One-Sample Kolmogorov-Smirnov Test分别对发硒变量（hairsi）和血硒变量（bloodsi）做正态性检验，其结果见表10.2。结果表明两变量均服从正态分布。 使用Graphs→ Scatter/Dot…→选择Simple Scatter → Define →打开Simple Scatterplot对话框，将bloodsi变量调入Y Axis:栏中，将hairsi变量调入X Axis:栏中，→ OK完 成散点图的绘制。从图10.1a上可以看出发硒与血硒存在 直线变化趋势。 3. 直线相关 Analyze → Correlate ? → Bivariate…打开Bivariate Correlations对话框，将双变量hairsi和bloodsi调入 Variables:栏中，→ OK完成。 4. 结果判读 输出结果见表10.3。表中显示了发硒与血硒的相关系数 r = 0.880，P 0.001。说明发硒与血硒存在直线相关关系。 5. 直线回归 Analyze → Regression ? → Linear…打开Linear Regression对话框，将bloodsi变量调入Dependent:栏中， 将hairsi变量调入Independent(s):栏中， → OK完成。 6. 结果判读 输出结果见表10.4~10.7。 表10.4中显示了回归采取的方法。本例采取的是Enter 法，即所有自变量都进行分析。 表10.5显示了用方差分析对回归方程做的假设检验。本例F=34.156，P 0.001。说明回归方程有意义。 表10.6显示了回归方程中的系数及针对该系数所做的假设检验。本例截距（又称常数项）a=-6.943， hairsi变量 的系数（即直线回归系数）b=0.239，则直线回归方程为： 表10.7显示了回归分析的一些其它统计信息（相关系数R、决定系数R2等）。本例R2=0.774（双侧）。 关于教材第154页的“三、频数表资料的相关与回归” 的内容自学。 * 二、多元相关分析 教材第161页第二节中所求得的多个变量之间的相关分析实质就是直线相关分析（双变量）的简单扩展。