经典实用的spss课件 九、相关和 与回归.pptVIP

简单相关与回归; 内容提要;相关分析简介;积差相关系数，又称Pearson相关系数：定量描述线性相关程度好坏的常用指标，只适用于两变量呈线性相关时。 特点： 相关系数r 是一个无单位的量值，且-1 r 1； r 0 为正相关，r 0 为负相关； ?r ? 越接近于1，说明相关性越好；越接近于0，相关性越差。 Spearman等级相关系数：当数据不满足条件双变量正态时。;Gamma统计量：描述有序分类变量数据联系强度的指标，以下指标都是基于Gamma统计量衍生出来的。 Kendall‘s Tau-b：反映两个有序分类变量的一致性。 Kendall‘s Tau-c： 对Kendall‘s Tau-b进行了校正。;相关分析简介; 除了Crosstab过程的statistics 子对话框外，SPSS还在statistics菜单的correlation中提供了几个更专业的相关分析过程：; 例1 某医院研究某种代乳粉的营养价值是用大白鼠做试验，得大鼠进食量和体重增量间的关系的原始数据如下，试分析两者有无直线相关关系。（数据文件见corr.sav）;首先绘制散点图，结果如下：;简单相关分析;选入希望进行相关分析的变量;简单相关分析;简单相关分析;简单相关分析;简单相关分析;简单相关分析; 大家可以发现，对相同的数据，秩相关系数和等级相关系数的绝对值均比积差相关系数小，为什么？; 前面介绍的相关分析是分析两个计量资料间的关系，在计算积差相关系数、Spearman 相关系数和Kendall’s相关系数的时候，都没有考虑第三方的影响，这就导致可能对事物的解释出现偏差。下面以一个例子对此作进一步的说明。; 例2 某地29名13岁男童身高（x1,cm）、体重（x2,kg）及肺活量的实测数据文件为partial.sav。试计算其简单相关系数。当体重固定时，计算身高与肺活量的偏相关系数，并做假设检验。;偏相关分析;偏相关分析; 选择Zero-order correlations 复选框，则可以给出包括协变量在内所有变量两两相关的系数阵。;偏相关分析;Distance 过程; Distance 过程用于计算记录或变量间的距离（或相似程度），根据变量的不同类型可以有许多距离、相似程度测量指标供用户选择。但由于本模块只是一个预分析过程，因此距离分析并不会给出常用的P 值，而只给出距离大小，以???用户自行判断相似性。; 例3 某实验室制作了一张基因芯片，上面一共检测了上万个基因，现在从数据库中提取出7个基因的数据，由于对这7个基因的生物学功能现在一无所知，因此首先想对其进行距离测量，看看哪几个基因“距离”比较接近，然后可以通过临床或实验室进一步验证。（数据见distance.sav。）;Distance 过程;Distance 过程;Distance 过程; 例4 仍以数据corr.sav为例，进一步作回归分析，计算进食量与体重增量之间的回归方程。;绘制散点图如下：;简单回归分析;选择 应变量;简单回归分析;简单回归分析;简单回归分析;最重要;小 结;小 结;小 结; ③ 相关系数和回归系数的正负号相同，假设检验一致。对同一样本，两者的t值等价。由于r 的假设检验可直接查表，较为简单，而b的假设检验较复杂，故可用r 的假设检验代替b的假设检验。 ④ 回归与相关可以相互解释： r2 ＝ SS回／SS总　　　　　　　　　 即相关系数的平方是应变量Y的总变异中归因于X的部分。 r2又称确定系数（determinant coefficient）。