统计学实验方差回归分析.ppt

*3.选择输出项和缺失值的处理方式。本例中选择输出基本统计描述。成对剔除带有缺失值的观测量剔除所有带有缺失值的观测量第31页，共68页，星期日，2025年，2月5日*4.单击OK，可以得到相关分析的结果。见图所示。从表中可以看到两个变量相关性分析的结果：相关系数是0.996，相关程度非常高，且假设检验的P值远远地小于0.05，可以认为人均国内生产总值与城镇居民消费额存在线性正相关关系。第32页，共68页，星期日，2025年，2月5日*偏相关分析简单相关关系只反映两个变量之间的关系，但如果因变量受到多个因素的影响时，因变量与某一自变量之间的简单相关关系显然受到其它相关因素的影响，不能真实地反映二者之间的关系，所以需要考察在其它因素的影响剔除后二者之间的相关程度，即偏相关分析。第33页，共68页，星期日，2025年，2月5日*例5为了考察火柴销售量的影响因素，选择煤气户数、卷烟销量、蚊香销量、打火石销量作为影响因素，得数据表。试求火柴销售量与煤气户数的偏相关系数.年份火柴销售量（万件）煤气户数（万户）卷烟销量（百箱）蚊香销量（十万盒）打火石销量（百万粒）6823.6925.6823.610.14.186924.125.7723.4213.312.437022.7425.8822.099.496.57117.8427.4321.4311.0925.787218.2729.9524.9614.4828.167320.2933.5328.3716.9724.267422.6137.3142.5720.1630.187526.7141.1645.1626.3917.087631.1945.7352.4627.047.397730.550.5945.323.083.887829.6358.8246.824.4610.537929.6965.2851.1133.8220.098029.2571.2553.2933.5721.228131.0573.3755.3639.5912.638232.2876.685448.4911.17第34页，共68页，星期日，2025年，2月5日*求解火柴销售量与煤气户数的偏相关系数具体操作如下：1、首先打开数据文件SY-32，单击分析Analyze?相关Correlate?偏相关Partial，打开对话框，见图所示。要考察的变量其它客观存在的变量2、从左边框内选择要考察的两个变量进入变量框内，其它变量进入控制框内，如本例中考察煤气户数与火柴销量的偏相关系数进入变量框内，其它（除年份外）进入控制框内。第35页，共68页，星期日，2025年，2月5日*PartialCorrelations对话框第36页，共68页，星期日，2025年，2月5日*PartialCorrelations对话框(即：Pearson相关系数)本例中选择简单相关系数。第37页，共68页，星期日，2025年，2月5日*输出结果：从表中可以看出，火柴销量与煤气户数的简单相关系数为0.826，自由度为13，检验的P值为0.00；而偏相关系数为0.605，自由度为10，检验的P值为0.037，表示煤气户数对火柴销量的真实影响是显著的。表中的上半部分是简单相关系数，下半部分是偏相关系数。第38页，共68页，星期日，2025年，2月5日*回归分析研究的是自变量与因变量之间的非确定性的因果关系；SPSS提供的回归分析过程有：线性回归(Linear)、曲线估计(CurveEstimation)、二分变量逻辑回归(BinaryLogistic)、多分变量逻辑回归(MultinomialLogistic)、序回归(Ordinal)、概率单位回归(Probit)、非线性回归(Nonlinear)、加权估计(WeightEstimation)、最优编码回归(optimalScaling)和二阶段最小平方法(2-StageLeastSquares)。回归分析第39页，共68页，星期日，2025年，2月5日*线性回归分析线性回归是统计分析方法中最常用的方法之一。如果所研究的现象有若干个影响因素，且这些因素对现象的综合影响是线性的，则可以使用线性回归的方法建立现象（因变量）与影响因素（自变量）之间的线性函数关系式。由于多元线性回归的计算量比较大，所以有必要应用统计分析软件实现。介绍SPSS软件的线性回归分析的操作方法，包括求回归系