预防统计软件概论课件.ppt

统计软件概论;第七讲;目录;第十章相关与回归;下面通过对教材第149页例10.1的资料做直线相关与回归分析来讲述操作步骤及结果的判读。

1.建立数据文件（见exp10.1.sav）

2.正态性检验及绘制散点图

利用One-SampleKolmogorov-SmirnovTest分别对发硒变量（hairsi）和血硒变量（bloodsi）做正态性检验，其结果见表10.2。结果表明两变量均服从正态分布。

使用Graphs→Scatter/Dot…→选择SimpleScatter→

Define→打开SimpleScatterplot对话框，将bloodsi变量调入YAxis:栏中，将hairsi变量调入XAxis:栏中，→OK完

成散点图的绘制。从图10.1a上可以看出发硒与血硒存在;直线变化趋势。

3.直线相关

Analyze→Correlate?→Bivariate…打开Bivariate

Correlations对话框，将双变量hairsi和bloodsi调入

Variables:栏中，→OK完成。

4.结果判读

输出结果见表10.3。表中显示了发硒与血硒的相关系数r=0.880，P0.001。说明发硒与血硒存在直线相关关系。

5.直线回归

Analyze→Regression?→Linear…打开Linear;Regression对话框，将bloodsi变量调入Dependent:栏中，

将hairsi变量调入Independent(s):栏中，→OK完成。

6.结果判读

输出结果见表10.4~10.7。

表10.4中显示了回归采取的方法。本例采取的是Enter

法，即所有自变量都进行分析。

表10.5显示了用方差分析对回归方程做的假设检验。本例F=34.156，P0.001。说明回归方程有意义。

表10.6显示了回归方程中的系数及针对该系数所做的假设检验。本例截距（又称常数项）a=-6.943，hairsi变量

的系数（即直线回归系数）b=0.239，则直线回归方程为：;

表10.7显示了回归分析的一些其它统计信息（相关系数R、决定系数R2等）。本例R2=0.774（双侧）。

关于教材第154页的“三、频数表资料的相关与回归”

的内容自学。;多个变量之间的相关分析得出的某两个变量之间相关系数只能反映单独某个变量a与单独某个变量b的密切联系程度，而不能考虑其它变量（c、d、…）对某个变量（a或b）的影响效应。

若要扣除其它变量的影响后再求某两个变量之间相关系数，则称此相关系数为偏相关系数（partialcorrelationcoefficient），SPSS可以使用Analyze→Correlate?→Partial…完成偏相关分析。

教材第161页例10.3的资料，若只做简单相关分析，操

作步骤与直线相关分析几乎完全相同，唯一的区别就是把两个变量换成了六个变量(X1~X6)。分析结果见表10.19。;其中体重（X1）与上臂围（X4）的Pearson相关系数

r=0.866，P0.001。说明二者相关。但如果求二者的偏相关系数=0.540，P=0.1670.05（见表10.19a）。说明在控

制身高、胸围、三头肌和肩胛下角四个变量下，体重与上

臂围二者实际是不相关的。造成二者简单相关有意义的原因在于三头肌与上臂围是相关的，因为二者的Pearson’sr=0.681,P=0.0150.05，见表10.19。

建议在进行多个变量之间的相关分析时，要把简单相关分析和偏相关分析结合起来。;多元线性回归是研究一个因变量（Dependent）和多个自变量（Independent）之间线性依存关系的统计方法。

其模型表达式（常称多元线性回归方程）见下：

其中bj为自变量Xj的偏回归系数（partialregressioncoefficient）。根据最小二乘法（leastsquaremethod）可

以求出系数bj的大小。

SPSS通过Analyze→Regression?→Linear…分析完成对某资料的多元线性回归分析。;下面通过对教材第166页例10.4的资料做多元