SPSS第十四讲偏相关性分析教案资料.pptVIP

;第十四讲 偏相关分析;下表就是该银行所属的25家分行2002年的有关业务数据。;;散点图;Spss结果比较;偏相关分析;偏相关系数与简单相关系数区别;例： 在现实经济生活中，由于收入和价格常常都有不断提高的趋势，如果不考虑收入对需求的影响，仅仅利用需求和价格的时间序列数据去计算简单相关系数，就有可能得出价格越高需求越大的错误结论。;偏相关分析的公式表达;如果增加变量X3，则变量Y与X1的二阶偏相关系数为： 依此类推变量Y与Xi的p-1阶偏相关系数为：;第四部分 偏关分析的SPSS过程;第一步：录入数据，打开偏相关分析对话框。 第二步：将对话框中左侧的变量列表框中选择两个变量，作为相关变量，移入Variables列表框中；选择一个控制变量移入Controlling for列表框中;第三步：选择检验类型。;第四步：打开OPTION选项框。;已知有某河流的一年月平均流量观测数据和该河流所在地区当年的月平均雨量和月平均温度观测数据，如表所示。试分析温度与河水流量之间的相关关系。 ;相关分析的命令语句;结果分析;相关系数;解释;距离分析;不相似性测度;对定序型变量之间距离的描述，主要有： 卡方不相似测度（Chi-Square measure） Phi方不相似测度（Phi-Square measure） ; 对二值变量之间的距离描述，主要有： 欧氏距离（Euclidean distance） 平方欧氏距离（Squared Euclidean distance ） Lane and Williams不相似性测度（ Lane and Williams ）等。 ;相似性测度;Kulczynski 1：Kulczynski Ⅰ型配对系数，分母为总数与配对数之差，分子为非配对数，分子与分母的权重相同； Kulczynski 2：Kulczynski平均条件概率； Sokal and Sneath 4：Sokal and Sneath 条件概率； Hamann：Hamann概率； Lambda：Goodman-Kruskai相似测量的λ值； Anderbergs D：以一个变量状态预测另一个变量状态； Yules Y：Yule综合系数，属于2×2四格表的列联比例函数； Yule‘s Q：Goodman-Kruskal γ值，属于2×2四格表的列联比例函数。 Ochiai：Ochiai二分余弦测量； Sokal and Sneath 5：Sokal and Sneath Ⅴ型相似测量； Phi 4 point correlation：Pearson相关系数的平方值； Dispersion：Dispersion相似测量。 ;Russell and Rao：以二分点乘积为配对系数； Simple matching：以配对数与总对数的比例为配对系数； Jaccard：相似比例，分子与分母中的配对数与非配对数给予相同的权重； Dice：Dice配对系数，分子与分母中的配对数给予加倍的权重； Rogers and Tanimoto：Rogers and Tanimoto配对系数，分母为配对数，分子为非配对数，非配对数给予加倍的权重； Sokal and Sneath 1：Sokal and Sneath Ⅰ型配对系数，分母为配对数，分子为非配对数，配对数给予加倍的权重； Sokal and Sneath 2：Sokal and Sneath Ⅱ型配对系数，分子与分母均为非配对数，但分子给予加倍的权重； Sokal and Sneath 3：Sokal and Sneath Ⅲ型配对系数，分母为配对数，分子为非配对数，分子与分母的权重相同； ;已知有我国六城市2004年各月的日照时数数据如表所示。请分析各城市日照数是否近似。 ;执行【Analyze】/【Correlate】/【Distances】命令,弹出【Distances】对话框 ;度量方式;结果解读 ;例：测得30名13岁男童的身高、体重、肺活量的数据。对身高、体重和肺活量进行变量距离分析。;距离分析命令语句;结果分析;实例二 对飞机叶片的个案距离分析;步骤;距离分析的相似性矩阵;第九次实验内容;第十次实验内容;2.距离分析(Distances过程) 某医师对10份标准血红蛋白样品作三次平行检测，结果如下，问检测结果是否一致？;