相关分析与回归分析.pptxVIP

相关分析与回归分析会计学第2页/共71页1.相关分析的统计学原理 相关系数的取值范围在?1和+1之间，即?1≤r≤+1。其中： ? 若0＜r≤1，表明变量之间存在正相关关系，即两个变量的相随变动方向相同； ? 若?1≤r＜0，表明变量之间存在负相关关系，即两个变量的相随变动方向相反； 第3页/共71页第4页/共71页第5页/共71页第6页/共71页 为了判断r对ρ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为两总体无显著的线性相关关系。 零假设H0: x，y 不相关 备择假设H1: x，y相关（2）其次，计算相应的统计量，并得到对应的P值。如果P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P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。 0.05 不相关α通常取0.05。P=也有时α取值0.01或0.001 =0.05 相关第7页/共71页 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。第8页/共71页Pearson简单相关系数 Pearson简单相关系数用来衡量定距变量间的线性关系。如衡量国民收入和居民储蓄存款、身高和体重、高中成绩和高考成绩等变量间的线性相关关系。 第9页/共71页计算公式如下。Pearson简单相关系数计算公式为第10页/共71页 对Pearson简单相关系数的统计检验是计算t统计量，公式为 t统计量服从n?2个自由度的t分布。 第11页/共71页 Spearman和Kendalls tua-b等级相关系数用以衡量定序变量间的线性相关关系，它们利用的是非参数检验的方法。 定序变量又称为有序（ordinal）变量、顺序变量，它取值的大小能够表示观测对象的某种顺序关系（等级、方位或大小等），也是基于“质”因素的变量。例如，“最高学历”变量的取值是：1—小学及以下、2—初中、3—高中、中专、技校、4—大学专科、5—大学本科、6—研究生以上。由小到大的取值能够代表学历由低到高。第12页/共71页Spearman等级相关系数为第13页/共71页 对Spearman等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Spearman等级相关统计量表，SPSS将自动根据该表给出对应的P值（相伴概率）。第14页/共71页第15页/共71页Kendall’s tau-b 等级相关系数第16页/共71页 对Kendalls tua-b等级相关系数的统计检验，一般如果个案数n≤30，将直接利用Kendalls tua-b等级相关统计量表，SPSS将自动根据该表给出对应的相伴概率值。 第17页/共71页2.相关分析过程的操作原理第18页/共71页选择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。第19页/共71页双变量相关分析过程[Statistics]——[Correlate]——[Bivariate]数据5-1第20页/共71页选择求相关的变量：至少选择两个移动到：Variables内。第21页/共71页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） One-tailed：单侧检验③ “Flag significant correlations”：选择相关显著度水平的标识，该标识就是*号。当显著度水平低于0.05时，显示一个*号，当低于0.01时，将显示两个*号。第22页/共71页[Options] 选项①Statistics ： Means and standard deviations显示每一个变量的均值和标准差 Cross-product deviations and covariances每一对变量的离均差交叉积与协方差② Missing values：缺失值 Exclude cases pairwise：成对删除 Exclude cases listwise：成列删除第23页/共71页偏相关分析 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。例如，在研究某农场春季早稻产量与平均降雨量、平均温度之间的关系时，产量和平均降雨量之间的关系中实际还包含了平均温度对产量的影响。同时平均降雨量对平均温度也会产生影