利用SPSS进行相关深度分析.pptVIP

第十二章 直线回归与相关 ;下一张 ;如人的身高与体重的关系，作物种植密度与产量的关系，食品价格与需求量的关系等等，这些变量间都存在着十分密切的关系，但不能由一个或几个变量的值精确地求出另一个变量的值。统计学中把这些变量间的关系称为相关关系，把存在相关关系的变量称为相关变量。 ;2、相关关系一些常用术语： 直线相关：是指两个变量呈线性共同增大或者呈线性一增一减 曲线相关：两变量存在相关趋势，但并非线性，而是呈曲线趋势。 正相关：如A变量增加时，B变量也增加 负相关： A变量增加时，B变量减小 完全相关：两变量的相关程度达到了亲密无间的程度，即确定性的函数关系，当得知A变量取值时，就可以准确推算出B变量的取值。;; 对多个变量进行相关分析时，研究一个变量与多个变量间的线性相关称为复相关分析；研究其余变量保持不变的情况下两个变量间的线性相关称为偏相关分析。; 回归分析是研究一个自变量或多个自变量(Independent)与一个依变量(Dependent)之间是否存在某种线性关系或非线性关系的一种统计学分析方法。; 研究“一因一果”，即一个自变量与一个依变量的回归分析称为一元回归分析； 研究“多因一果”，即多个自变量与一个依变量的回归分析称为多元回归分析。 一元回归分析又分为直线回归分析与曲线回归分析两种；多元回归分析又分为多元线性回归分析与多元非线性回归分析两种。 ;回归分析的任务就是揭示出呈因果关系的相关变量间的联系形式，建立它们之间的回归方程，利用所建立的回归方程，由自变量（原因）来预测、控制依变量（结果）。;SPSS的相关分析功能被集中在Statistic菜单的Correlate子菜单中，它包括以下3个过程： Bivariate过程：此程度用于进行两个/多个变量之间的参数/无参数相关分析，如果是多个变量，则给出两两相关的分析结果，这是Correlate子菜单中最为常用的一个过程，实际上用户对它的使用可能占到相关分析的95%以上。 Partial过程：就是偏相关分析。当需要进行相关分析的两个变量取值均受到其他变量的影响时 Distance过程：该过程一般不单独使用，而是作为因素分析、聚类分析和多维尺度分析的预先分析过程，以协助了解复杂数据集的内在结构，为进一步分析做准备;Bivariate过程是相关分析中用得最多的一个分析过程，用于进行两个变量间的线性相关分析，结果中可以给出Pearson???关系数、Kendall等级相关系数和Spearman等级关系数值，下面用一个例子来说明Bivariate过程。 例 某地一年级12名女大学生的体重与肺活量的数据如下，试分析两者有无直线相关关系？;在进行相关分析之前必须做散点图，以判断两变量之间有无相关趋势，及趋势是否呈线性(Line)关系，如果在图形上两个变量之间存在线性相关趋势，才能继续后面的分析。 (1)、散点图分析： Graphs Scatter Simple 散点图中可以看出，体重与肺活量有着非常明显的直线相关趋势，并且从图中可以看出，没有影响过强的异常点，因此可放心地进行相关分析；如果有过强点，可考虑曲线回归分析或其它相关分析;(2)、Bivariate分析 Analyze ----Correlate -----Bivariate打开Bivariate主对话框;Options对话框;Analyze ----Correlate -----Bivariate打开Bivariate主对话框，将weight和lung变量选入Variables框； 选择Correlation Coefficients (选择相关系数)：一般要求计算Pearson和Spearman相关系数 选择Test of Significance (选择相关系数的检验)：一般选择two-tailed Flag significant correlations：在结果中用星号标记有统计学显著性意义的相关系数。 单击Options按钮进入Options对话框，选中Means and standard deviations和Cross-product deviations and covariances，Missing Values选择系统默认;(3) 结果分析;这是描述统计量，有平均值和标准差;;下一张 ;1、现抽取1963-1982年共20年的统计数据(见研究投资性变量)，试分析投资性变量与国民收入之间的相关关系。 2、研究商品零售总额与收入间的相关关系(数据见商品零售总额与收入) 3、试分析体重与进食量的关系(数据见体重与进食量) 4、试分析高一与高二数学成绩的关系(高一与高二数学成