SPSS的相关分析和线性相关分析.pptVIP

第八章 SPSS的相关分析和线性回归分析 相关分析和线性回归分析概述 相关分析 偏相关分析 回归分析 第一节相关分析和线性回归分析概述 函数关系 事物之间关系 统计关系 函数关系指的是两事物之间的一种一一对应关系。即当一个变量x取一定值时，另一变量y可以依确定的函数取唯一确定的值。 统计关系指两事物之间的一种非一一对应关系，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。 正线性相关 线性相关 负线性相关 统计关系 非线性相关 第二节 相关分析 散点图 相关系数 应用举例 散点图它指将数据以点的形式画在直角平面上。弱相关、强线性相关、强正线性相关、强负线性相关、非线性相关 相关系数 以数值的方式精确地反映了两个变量间线性相关的强弱程度。 1.计算样本相关系数r r取值在-1到1之间。 r0,表示两变量存在正的线性相关关系，反之，则为负的线性相关关系 r=1表示两变量存在完全正相关；反之，则表示完全负相关。 表示两变量之间具有较强的线性关系； 表示两变量之间的线性关系较弱 2.对样本来自的两总体是否穿在显著的线性关系进行推断。 Pearson简单相关系数、Spearman相关系数、Kendall 相关系数 Pearson简单相关系数 主要用来度量两定距型（数值型）变量间的线性相关性。 Spearman相关系数 主要用来度量定序（顺序型数据）变量间的线性相关关系，是利用数据的秩来进行计算的。 Kendall 相关系数 计算相关系数的基本操作（以高校科研研究.sav为例） 第三节偏相关分析 偏相关分析和偏相关系数 偏相关分析的基本操作及应用 偏相关分析和偏相关系数 也称净相关分析，在控制其他变量的线性影响的条件下分析两变量间的线性相关，所采用的工具是偏相关系数（净相关系数） 一阶偏相关 二阶偏相关 零阶偏相关 偏相关分析的基本操作及应用以高校科研研究.sav为例 第四节 回归分析 用于分析事物之间的统计关系，侧重考察变量之间的数量变化规律，并通过回归方程的形式描述和反映这种关系，帮助人们准确把握变量受其他一个或多个变量影响的程度，进而为预测提供科学依据。 1.确定回归方程中的解释变量x和被解释变量y 2.确定回归模型 3.建立回归方程 4.对回归方程进行各种检验 5.利用回归方程进行预测 3.一元线性回归SPSS操作及应用以腿长与身高的关系.sav为例 练习 现有1978～2003年城镇居民消费额和人均国内生产总值的相关数据保存在居民生活.sav中，现要求建立城镇居民消费额y与人均国内生产总值之间的线性模型。 4.线性回归例子应用 例如：要研究全国各地高校教师课题总数与投入人年数、投入高级职称的人年数、投入科研事业费、专著数、论文数、获奖数之间的关系，可以通过建立多元线性回归模型来研究。相关数据在高校科研研究.sav中。 练习 现有1968～1982年火柴销售数量y、煤气户数x1、卷烟销量x2、蚊香销量x3、打火石销量x4的相关数据，存放在数据文件多元回归.sav中。要求：建立火柴销量与其它几个变量之间的线性模型。 （2）控制 由于调整的判定系数较接近1，因此认为模型拟合优度较高 此概率值小于0.05，因此拒绝原假设，即认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系显著，可建立线性模型。 通过该表得到模型系数的概率值可以发现，常数项系数差异不显著，而身高的系数差异显著，因此可以留在模型中，即该模型为： 多元线性回归 多元线性回归在工程上更为有用。 1.数学模型及定义 2.模型参数估计 解得估计值 3.多元线性回归中的检验与预测 此概率值小于0.05，因此拒绝原假设，即认为各回归系数不同时为0，被解释变量与解释变量全体的线性关系显著，可建立线性模型。 由于调整的判定系数较接近1，因此认为模型拟合优度较高 通过采用逐步回归分析得到上面两表中各项系数的概率P值与0.05相比，发现只有投入年人数的系数差异显著，即对方程有用，其余