数据分析与SPSS软件应用课后习题答案 - 第7章.docxVIP

第7章 相关分析及SPSS实现 习题与思考题 （一）填空题 1.定距变量，定序变量 2.Pearson 3. 斯皮尔曼等级相关系数，肯德尔 tua-b等级相关系数 4.偏相关系数 5.总体相关系数，样本相关系数 （二）选择题 BBADC （三）判断题 ×√××√ （四）简答题 1.试述偏相关与二元定距变量相关的区别？ 解：二元定距变量相关分析通常采用皮尔逊简单相关系数用来衡量定距变量间的线性关系。并利用T检验对对皮尔逊简单相关系数显著性进行推断。二元定距变量相关分析是对两个变量之间综合相关程度进行的判定。当多变量之间存在复杂多重相关性时，二元变量的相关分析在一些情况下无法较为真实准确地反映事物之间的相关关系，这时就可采用偏相关分析方法进行处理。偏相关分析是指当两个变量同时与其他变量相关时，将其他变量的影响剔除，只分析另外两个变量之间相关程度的过程，所采用的分析工具是偏相关系数。 2.试述统计关系与函数关系的区别？ 解：任何事物的变化都与其他事物是相互联系和相互影响的，用于描述事物数量特征的变量之间自然也存在一定的关系。变量之间的关系归纳起来可以分为两种类型，即函数关系和统计关系。函数关系是一一对应的确定性关系，当一个变量的值不能由另一个变量的值惟一确定时，这种关系即为统计关系。 3.如何利用相关系数来判别现象之间的相关关系？ 解：相关系数是衡量变量之间相关程度的一个量值。在说明变量之间线性相关程度时，根据经验可将相关程度分为以下几种情况： 时，视为高度相关； 时，视为中度相关； 时，视为低度相关； 时，说明变量之间的相关程度极弱，可视为不相关。 为了判断r对的代表性大小，需要对相关系数进行假设检验。 （1）首先，假设总体相关性为零，即H0：两总体无显著的线性相关关系，即。 （2）其次，计算相应的统计量，并得到对应的相伴概率值。如果相伴概率值小于或等于指定的显著性水平，则拒绝H0，认为两总体存在显著的线性相关关系；如果相相伴概率值大于指定的显著性水平，则不能拒绝H0，认为两总体不存在显著的线性相关关系。 4.什么是相关关系？相关分析和回归分析的主要内容有哪些？ 相关关系是统计关系的一种。是指变量之间的一种非确定的相互依存关系，即一个变量的每一个取值下，由于受随机因素影响，另一个变量与其所对应的数值是非确定性的。在统计关系研究中，测度变量之间线性相关程度的强弱并用适当的统计指标表示出来，这个过程就是相关分析。回归分析是在明确自变量和因变量的基础上，利用回归模型的方式探讨自变量对因变量的作用的分析方法。 5.举例说明什么是正相关、负相关？ 解：正相关关系是指两个变量之间存在统计相关关系时，当一个变量的数值增大时，另一个变量的数值也随之增加。负相关是指两个变量之间存在统计相关关系时，当一个变量的数值增大时，另一个变量的数值也随之减小。比如微观经济学模型中，产品的市场价格上升，需求减小，产出增加，则需求与价格就是负相关关系，需求与产出就是正相关关系。 案例分析题 1.表7-1搜集了某次试验中白鼠的某种饲料进食量和体重增量（g）的关系的原始数据，试判断两者之间有无直线相关关系。 表7-1 进食量和体重增量数据 白鼠编号 01 02 03 04 05 06 07 08 09 10 进食量 820 780 890 845 869 876 836 812 865 851 体重增量 196 154 165 125 158 149 169 171 149 156 SPSS软件的数据结构如下： 二元定距变量相关分析结果： 进食量和体重增量两个变量之间的皮尔逊相关系数检验接受了原假设，即两个变量之间并不存在线性相关关系，则皮尔逊相关系数不具有实际意义。 2.表7-2调查了10家奶茶销售店铺奶茶的日销售额与奶茶平均价格的数据，试判断平均价格与销售额之间有无线性相关关系存在。 表7-2 奶茶价格与销售量数据 奶茶店编号 01 02 03 04 05 06 07 08 09 10 销售量 230.6 395.3 196.5 200.8 350.6 387.6 395.5 400.5 275.6 295.0 平均价格 10.6 13.6 9.8 9.8 19.6 15.6 16.8 17.5 10.6 12.5 SPSS数据结构如下： 二元定距变量相关分析结果： 二元定距变量相关分析的结果表明，销售量和平均价格之间具有显著的正线性相关关系，相关系数T检验的伴随概率为0.003，拒绝原假设。两个变量之间的相关系数数值为0.834，具有较强的线性相关性。 3.某项关于婴儿出生体重和双顶径的数量关系的研究中，收集了15名婴儿的出生体重（克）和双顶径（毫米）数据，如表7-3所示，请分析两