第3章-相关分析与回归分析.pptVIP

SPSS 第三章 相关分析与回归分析 §3.1 相关分析 §3.2 回归分析 ★ §3.1 相关分析 相关分析是研究变量间密切程度的统计方法，线性相关分析研究的是两变量间线性关系的程度，用相关系数表示； SPSS提供的相关分析功能有(Analyze Correlate) ：二元变量相关分析(Bivariate)、偏相关分析 (Partial)和距离相关分析(Distance)。 二元变量相关分析 例3.1a 默认选项进行简单相关分析 已知三十名学生的身高与体重数据，试分析学生身高与体重的相关程度 (数据集2)。 二元变量相关分析通过Bivariate命令项调用Correlations过程和Nonpar Corr过程来实现，可以按指定项显示变量的描述统计量，选择计算指定两变量间的相关系数，同时对相关系数进行检验等。 Bivariate Correlations 对话框 适用于正态分布等间隔测度的变量 用于计算分类变量的秩相关，考虑结点的影响 用于计算分类变量的秩相关 相关系数 显著性检验 标识有显著意义的相关系数 单尾检验 双尾检验 分析变量 输出变量的均值和标准差 输出两变量的积差和与协方差 成对剔除带有缺失值的观测量 剔除所有带有缺失值的观测量 Bivariate Correlations 对话框 输出结果： (选项均为系统默认) 由于身高与体重的相关系数为0.780，P值为0.000，说明学生的身高与体重具有高度相关关系。 例3.1b 生成矩形相关矩阵的简单相关例题P296 分析salbegin（起始工资）、salary（现在工资）与雇员各方面条件的关系(data10-02)。 例3.1c 秩相关实例P298 分析雇员的jobcat（职务等级）、educ（受教育年限）与salbegin（起始工资）、salary（现在工资）的关系(data10-02)。 例3.1d 两个等级变量相关间秩相关实例P298 分析运动员的长拳得分Score1和长兵器得分score2是否存在线性关系(data10-03)。 偏相关分析 例3.1e 已知三十名学生的身高与体重数据，以年龄为控制变量，试分析学生身高与体重的偏相关关系 (数据集2)。 偏相关分析通过Partial命令项调用Partial Corr过程来实现，用于计算在控制了其他变量影响的情况下，两个变量间的线性相关关系，用偏相关系数表示。 Partial Correlations 对话框 分析变量 控制变量 显著性检验 显示实际的显著性水平 Partial Correlations 对话框 均值及标准差 零阶相关矩阵(即：Pearson相关矩阵) 输出结果： (选项均为系统默认) 例3.1f 偏相关分析实例P307 使用四川绵阳地区3年生中山柏的数据，分析月生长量与月平均气温、月降雨量、月平均日照时数、月平均湿度这4个气候因素哪个因素有关 (数据集data10-04)。 距离分析 例3.1g 观察量间的相似性分析实例P314 已知四川绵阳地区3年生中山柏的数据，试分析不同月份间生长量之间的距离以便分析各月份生长量间的相似或不相似性 (数据集data10-03)。 距离分析是对观测量之间或变量之间相似或不相似程度的一种测度，是计算一对变量之间或一对观测量之间的广义距离。通过Distance命令项调用Distance过程来实现。 Distance对话框 指定分析变量 指定标识变量 计算距离 测度类型 计算每对观察量间的距离 计算每对变量间的距离 计算不相似性矩阵 计算相似性矩阵 指定计算方法 默认计算方法 Distance：Dissimilary Measurs对话框 等间隔变量 计数变量 二值变量 转换数值栏 标准化 对变量标准化 对观察量标准化 转换测度栏 对距离取绝对值 对距离改变符号 先减去最小值，然后除以范围使距离标准化 输出结果： (选项均为系统默认) 指定计算方法 默认计算方法 Distance：Similarity Measurs对话框 等间隔变量 二值变量 转换数值栏 标准化 对变量标准化 对观察量标准化 转换测度栏 对距离取绝对值 对距离改变符号 先减去最小值，然后除以范围使距离标准化 例3.1g 变量间的相似性分析实例P316 已知四川绵阳地区3年生中山柏的数据，试分析不同月份间生长量之间的距离以便分析各月份生长量间的相似或不相似性 (数据集data10-03)。 变量间的Dissimilary Measurs 标准化后的欧氏距离 变量间的Similarity Measurs相关分析结果 第三章 相关分析与回归分析 §3.1 相关分析 §3.2 回归分析 ★ ★ 回归分析研究的是自变量与因变量之间的非确定性的因果关系； SP