SPSS统计分析教程：基础篇——实验课版 .ppt

16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 14 14 14 14 14 15 15 15 15 15 15 15 15 15 15 年龄 164.7 160.5 147.0 153.2 157.9 166.0 169.0 170.0 165.1 172.0 159.4 161.3 158.0 158.6 169.0 身高 13 13 13 13 13 13 13 13 13 13 13 14 14 14 14 年龄 男 男 男 男 男 女 女 女 女 女 男 男 男 男 男 性别 44.1 53.0 36.4 30.1 40.4 57.0 58.5 51.0 58.0 55.0 44.7 45.4 44.3 42.8 51.1 体重 女 女 女 女 女 男 男 男 男 男 女 女 女 女 女 性别 序号 47.5 37.8 38.6 41.6 43.3 47.3 47.1 47.0 33.8 33.8 49.2 54.5 50.0 44.0 58.0 体重 156.0 155.0 144.6 161.5 161.3 158.0 161.0 162.0 164.3 144.0 157.9 176.1 168.0 164.5 153.0 12345678910 11 12 13 14 15 身高 序号 三十名学生的身高与体重数据 [数据集1] 相关分析 相关分析 双变量相关分析 偏相关分析 距离相关分析 点击 Bivariate进行双变量相关分析。 相关分析 相关系数 非参数资料的相关系数 非正态分析资料的相关系数 相关系数 显著性检验 标识有显著意义的相关系数 单尾检验 双尾检验 输出变量的均值和标准差 输出两变量的积差和与协方差 由输出结果可知，身高与体重的相关系数为0.618，P值为0.000，说明身高与体重有较高的相关性。 Correlations 1.000 .618 ** . .000 30 30 .618 ** 1.000 .000 . 30 30 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N 身高 体重 身高 体重 Correlation is significant at the 0.01 level (2-tailed). **. 相关分析 16.0 91.2 6.411 15.2 90.6 6.075 14.9 90.4 6.102 14.4 88.8 5.830 13.7 89.5 6.014 13.1 87.7 5.602 12.3 89.0 5.292 12.0 88.5 5.358 11.0 88.0 5.382 1 11.8 87.6 5.299 10 9 8 7 6 5 4 3 2 weight height area number 三岁儿童身高、体重、体表面积 线性回归分析 6,6 6,4 6,2 6,0 AREA 5,8 17 88 16 5,6 89 15 90 5,4 HEIGHT 91 14 92 13 WEIGHT 12 11 [数据集10] 回归分析 线性回分析 点击 Linear进行简单或多重线性回归分析。 线性回归分析 全部选入法 逐步法 强行剔除法 向后法 向前法 加权最小平方法 回归系数 非标准化回归系数95%置信限 非标准化回归系数的方差-协方差 提供相关系数、复相关系数的平方、调整系数、估计标准误、ANOVA表 复相关系数的平方的变化 变量的描述性统计量 部分和偏相关 共线性诊断 德宾-沃森检验 观测值诊断 标准化预测值 标准化残差 剔除残差 调整预测值 学生化残差 学生化剔除残差 标准化残差图 产生一个标准化残差直方图 产生一个正态概率图 本对话框用来定义存储进入数据文件的新变量。 预测值 非标准化预测值 标准化预测值 调整预测值 预测值的标准误 距离 统计距离 库克距离 中心化杠杆值 预测区间 均值 个别值 置信区间 残差 非标准化残差 标准化残差 学生化残差 剔除残差 学生化剔除残差 影响统计 剔除一个特定的观测值所引起的回归系数值的变化 标准化的DfBeta值 剔除一个特定的观测值所引起的预测值的变化 标准化的DfFit值 带有剔除观测值的协方差矩阵与全部观测值的协方差矩阵的比率 存储到新的文件中 线性回归分析 逐步回归法变量取舍标准 用F值的显著性水平作为标准 用F值作为标准 在回归方程中包括常项 缺失值的处理方式 用均值代替缺值 剔除缺失值 剔除缺失值及其配对观测值 系统输出了回归分析的属性，以体表面积为因变量，以身高与体重为自变量，采用全部入选法进行分析。 Variables