线性回归方程的残差分析.ppt

第七章 SPSS的相关分析和回归分析 主要内容 概述 (一)相关关系 (1)函数关系:(如:销售额与销售量;圆面积和圆半径.) 是事物间的一种一一对应的确定性关系.即:当一个变量x取一定值时,另一变量y可以依确定的关系取一个确定的值 (2)相关关系（统计关系）:(如:收入和消费) 事物间的关系不是确定性的.即:当一个变量x取一定值时,另一变量y的取值可能有几个.一个变量的值不能由另一个变量唯一确定 概述 相关关系的常见类型： 线性相关：正线性相关、负线性相关 非线性相关 相关关系不象函数关系那样直接,但却普遍存在,且有强有弱.如何测度? 概述 (二) 相关分析和回归分析的任务 研究对象:相关关系 相关分析旨在测度变量间线性关系的强弱程度. 回归分析侧重考察变量之间的数量变化规律,并通过一定的数学表达式来描述这种关系,进而确定一个或几个变量的变化对另一个变量的影响程度. 相关分析 (一)目的 通过样本数据,研究两变量间线性相关程度的强弱.(例如:投资与收入之间的关系、GDP与通信需求之间的数量关系） (二)基本方法 绘制散点图、计算相关系数 绘制散点图 (一)散点图 将数据以点的形式绘制在直角平面上.比较直观,可以用来发现变量间的关系和可能的趋势. 绘制散点图 (二)基本操作步骤 (1)菜单选项:graphs-scatter (2)选择散点图类型: (3)选择x轴和y轴的变量 (4)选择分组变量(set markers by):分别以不同颜色点的表示 (5)选择标记变量(label case by): 散点图上可带有标记变量的值(如:省份名称) 计算相关系数 (一)相关系数 (1)作用: 以精确的相关系数(r)体现两个变量间的线性关系程度. r:[-1,+1]; r=1:完全正相关; r=-1:完全负相关; r=0:无线性相关; |r|0.8:强相关; |r|0.3:弱相关 计算相关系数 (一)相关系数 (2)说明: 相关系数只是较好地度量两变量间的线性相关程度,不能描述非线性关系. 如:x和y的取值为:(-1,-1) (-1,1) (1,-1) (1,1) r=0 但 xi2+yi2=2 数据中存在极端值时不好 如:(1,1)(2,2)(3,3),(4,4),(5,5),(6,1) r=0.33 但总体上表现出: x=y 应结合散点图分析 计算相关系数 (一)相关系数 (3)种类: 简单线性相关系数(Pearson):针对定距数据. 计算相关系数 (一)相关系数 Spearman相关系数:用来度量定序或定类变量间的线性相关关系(如:不同年龄段与不同收入段,职称和受教育年份) 利用秩(数据的排序次序).认为:如果x与y相关,则相应的秩Ui、Vi也具有同步性. 首先得到两变量中各数据的秩( Ui、Vi),并计算Di2统计量. 计算Spearman秩相关系数 若两变量存在强正相关性,则Di2应较小,秩序相关系数较大.若两变量存在强负相关性,则Di2应较大,秩序相关系数为负,绝对值较大 计算相关系数 (一)相关系数 Kendall相关系数:度量定序定类变量间的线性相关关系 首先计算一致对数目(U)和非一致对数目(V) 如: 对x和y求秩后为: x: 2 4 3 5 1 y: 3 4 1 5 2 x的秩按自然顺序排序后: x: 1 2 3 4 5 y: 2 3 1 4 5 然后计算Kendall相关系数. 若两变量存在强相关性,则V较小,秩序相关系数较大;若两变量存在强负相关性,则V较大,秩序相关系数为负,绝对值较大 计算相关系数 (二)相关系数检验 应对两变量来自的总体是否相关进行统计推断. 原因:抽样的随机性、样本容量小等 (1)H0:两总体零相关 (2)构造统计量 计算相关系数 (二)相关系数检验 (3)计算统计量的值,并得到对应的相伴概率p (4)结论: 如果p=a,则拒绝H0,两总体存在线性相关; 如果pa,不能拒绝H0. 计算相关系数 (三)基本操作步骤 (1)菜单选项:analyze-correlate-bivariate... (2)选择计算相关系数的变量到variables框. (3)选择相关系数(correlation coefficients). (4)显著性检验(test of significance) tow-tailed:输出双尾概率P. one-tailed:输出单尾概率P 计算相关系数 (四)其他选项 statistics选项:仅当计算简单相关系数时,选择输出哪些统计量.