第5章 相分析与回归分析.pptVIP

第5章 相关分析与回归分析 1.皮尔逊积矩系数、Spearman相关系数以及Kendall相关系数的计算与分析; 2.偏相关系数的计算与伪相关系数的鉴别； 3.简单线性回归； 4.多元线性回归； 统计学原理 变量间的关系分为确定性关系和非确定性关系。 确定性关系即函数关系，非确定性关系即相关关系。 相关分析的主要目的是研究变量之间关系的密切程度。 回归分析是揭示一个变量如何与其他变量相联系，前者叫做解释变量，后者叫做被解释变量 相关分析和回归分析都是对客观事务数量依存关系的分析。 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。 2.相关分析过程的操作原理 选择Analyze—Correlate 相关分析过程具体包括： Bivariate:计算双变量间的相关系数； Partial:计算偏相关系数； Distances:对变量进行相似性或不相似性测度。 双变量相关分析过程 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）