第5章 相关分析与回归分析PPT.ppt

第5章 相关分析与回归分析;统计学原理; 相关系数的取值范围在?1和+1之间，即?1≤r≤+1。其中： ? 若0＜r≤1，表明变量之间存在正相关关系，即两个变量的相随变动方向相同； ? 若?1≤r＜0，表明变量之间存在负相关关系，即两个变量的相随变动方向相反； ; 为了判断r对ρ的代表性大小，需要对相关系数进行假设检验。 （1）首先假设总体相关性为零，即H0为两总体无显著的线性相关关系。 零假设 H0: x，y 不相关 备择假设 H1: x，y 相关 （2）其次，计算相应的统计量，并得到对应的P值。如果P值小于或等于指定的显著性水平，则拒绝H0，认为两总体存在显著的线性相关关系；如果P值大于指定的显著性水平，则不能拒绝H0，认为两总体不存在显著的线性相关关系。 0.05 不相关 α通常取0.05。 P= 也有时α取值0.01或0.001 =0.05 相关; 计算相关系数有不同的方法。其中，皮尔逊积矩相关系数(Pearson简单相关系数)适用等间隔测度，而Spearman相关系数和Kendall相关系数都是非参测度。; Pearson简单相关系数用来衡量定距变量间的线性关系。如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。 ;计算公式如下。 Pearson简单相关系数计算公式为; 对Pearson简单相关系数的统计检验是计算t统计量，公式为 t统计量服从n?2个自由度的t分布。 ; 定序变量又称为有序（ordinal）变量、顺序变量，它取值的大小能够表示观测对象的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。例如，“最高学历”变量的取值是：1—小学及以下、2—初中、3—高中、中专、技校、4—大学专科、5—大学本科、6—研究生以上。由小到大的取值能够代表学历由低到高。;Spearman等级相关系数为; 对Spearman等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Spearman等级相关统计量表，SPSS将自动根据该表给出对应的P值（相伴概率）。;Kendall’s tau-b 等级相关系数; 对Kendalls tua-b等级相关系数的统计检验，一般如果个案??n≤30，将直接利用Kendalls tua-b等级相关统计量表，SPSS将自动根据该表给出对应的相伴概率值。 ;2.相关分析过程的操作原理;双变量相关分析过程;选择求相关的变量：至少选择两个移动到：Variables内。;①Correlation Coefficients ：相关类型 Pearson:皮尔逊积矩相关系数 Kendall’s tau-b:肯德尔和谐系数 Spearman：斯皮尔曼等级相关系数 ② Test of significance：显著性检验 Two-tailed：双侧检验（默认） One-tailed：单侧检验 ③ “Flag significant correlations”：选择相关显著度水平的标识，该标识就是*号。当显著度水平低于0.05时，显示一个*号，当低于0.01时，将显示两个*号。;[Options] 选项;偏相关分析; 定义：偏相关分析是指当两个变量同时与第三个变量相关时，将第三个变量的影响剔除，只分析另外两个变量之间相关程度的过程。 偏相关分析的工具是计算偏相关系数r12，3。 ;偏相关分析过程;[Options] 选项;偏相关系数的计算与伪相关的鉴别 数据文件5-4;2.回归分析的统计学原理;回归分析过程操作原理;打开“Regression”的右拉式菜单，菜单包含：;在数学关系式中只描述了一个变量与另一个变量之间的数量变化关系，则称其为一元回归分析。 其回归模型为 y 称为因变量，x称为自变量， 称为随机误差，a,b 称为待估计的回归参数，下标 i 表示第i个观测值。 如果给出a和b的估计量分别为 , ，则经验回归方程: 一般把 称为残差， 残差可视为扰动 的“估计量”。 ;“Analyze”——“Regression”——“Linear数据文件5-5;“Dependent”：因变量 “Independent(S)”：自变量 注：SPSS中一元回归和多元回归以及多元逐步回归都是使用同一过程，所以该栏可以输入多个自变量。 “