spss第四讲相关分析和回归分析.pptVIP

儿童编号 体表面积（Y） 身高（X1） 体重（X2） 1 2 3 4 5 6 7 8 9 10 5.382 5.299 5.358 5.292 5.602 6.014 5.830 6.102 6.075 6.411 88.0 87.6 88.5 89.0 87.7 89.5 88.8 90.4 90.6 91.2 11.0 11.8 12.0 12.3 13.1 13.7 14.4 14.9 15.2 16.0 ［例］某医师测得10名3岁儿童的身高（cm）、体重（kg）和体表面积（cm2）资料如下。试用多元回归方法确定以身高、体重为自变量，体表面积为因变量的回归方程。 数据准备 激活数据管理窗口，定义变量名：体表面积为Y，保留3位小数；身高、体重分别为X1、X2，1位小数。输入原始数据，结果如图所示。 统计分析 激活Analyze菜单选Regression中的Linear...项，弹出Linear Regression对话框。从对话框左侧的变量列表中选y，点击?钮使之进入Dependent框，选x1、x2，点击?钮使之进入Indepentdent(s)框；在Method处下拉菜单，共有5个选项：Enter（全部入选法）、Stepwise（逐步法）、Remove（强制剔除法）、Backward（向后法）、Forward（向前法）。本例选用Enter法。点击OK钮即完成分析。 因变量 自变量列表 统计分析 用户还可点击Statistics...钮选择是否作变量的描述性统计、回归方程因变量的可信区间估计等分析； 点击Plots...钮选择是否作变量分布图（本例要求对标准化Y预测值作变量分布图）； 点击Save...钮选择对回归分析的有关结果是否作保存； 点击Options...钮选择变量入选与剔除的α、β值和缺失值的处理方法。 * * * * * SPSS第四讲 相关分析和回归分析 Analyze子菜单 用途说明 Compare Means (均值比较) Means… One-Sample T Test… Independent-Sample T Test… Paired-Sample T Test… One-Way ANOVA… 均值比较 单样本T检验 独立样本T检验 配对样本T检验 单因素方差分析 General Linear Model （一般线性模型） Univariate 通用线性因子分析 Correlate （相关分析） Bivariate Partial Distances 二元相关分析 偏相关分析 距离分析过程 Regression （回归分析） Linear Curve Estimation 线性回归分析 曲线分析 第一节 相关分析 一、预备知识 研究变量间密切程度的一种常用统计方法 1、线性相关分析：研究两个变量间线性关系的程度。用相关系数r来描述。 2、偏相关分析：它描述的是当控制了一个或几个另外的变量的影响条件下两个变量间的相关性，如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系 相关系数的计算有三种： Pearson、Spearman和Kendall Pearson相关系数：对定距变量的数据进行计算 Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据进行排序或对定距变量值排（求）秩 （三）相关分析的SPSS过程 在Analyze+Correlate下的三个子菜单： 1、Bivariate--相关分析，计算指定的两个变量间的相关关系，可选择Pearson相关、Spearman和Kendall 相关；同时对相关系数进行检验，检验的零假设为：相关系数为0（不相关）。给出相关系数为0的概率 2、Partial -- 偏相关分析，计算两个变量间在控制了其他变量的影响下的相关关系，对相关系数也进行检验，检验的零假设为：相关系数为0 3、Distance-- 相似性测度，对变量或观测量进行相似性或不相似性测度 二、Bivariate过程 主要功能 调用此过程可对变量进行相关关系的分析，计算有关的统计指标，以判断变量之间相互关系的密切程度。调用该过程命令时，系统输出的是变量间两两相关的相关系数。 [例]某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析。 编号 发硒 血硒 1 2 3 4 5 6 7 8 9 10 74 66 88 69 91 73 66 96 58 73 13 10 13 11 16 9 7 14 5 10 ? 数据准备 激活数据管理窗口，定义变量名：发硒为X，血硒为Y，按顺序输入相应数值，建立数据库