4spss相关和回归说课.ppt

* * * * * * * * * * * * * * SPSS 相关分析和回归分析 一、SPSS相关分析—— Correlate菜单 相关分析用于描述两个变量间联系的密切程度，其特点是变量不分主次，被置于同等的地位。 在Analyze的下拉菜单Correlate命令项中有三个相关分析功能子命令Bivariate过程、Partial过程、 Distances过程，分别对应着相关分析、偏相关分析和相似性测度的三个spss过程。 SPSS相关分析 Bivariate过程用于进行两个或多个变量间的相关分析，如为多个变量，给出两两相关的分析结果。 Partial过程，当进行相关分析的两个变量的取值都受到其他变量的影响时，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数。 Distances过程用于对同一变量各观察单位间的数值或各个不同变量间进行相似性或不相似性分析一般不单独使用，而作为因子分析等的预分析。 需要掌握的是Bivariate相关分析 在进行相关分析时，散点图是重要的工具，分析前应先做散点图，以初步确定两个变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。否则可能得出错误结论。 Bivariate相关分析的步骤：输入数据后，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框如图5－1 图5－1 Bivariate Correlations 对话框 不清楚变量之间是正相关还是负相关时选择此项。 清楚变量之间是正相关还是负相关时可选择此项。 计算积距相关系数，连续性变量才可采用。 计算Kendall秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据。 计算Spearman秩相关系数，适合于定序变量或不满足正态分布假设的等间隔数据。 在输出结果中，相关系数的右上角上有“＊”则表示显著性水平为0.05；右上角上有“＊＊”则表示显著性水平为0.01。 见图5－2 图5－2 Options 对话框 对每一个变量输出均值、标准差和无缺省值的观测数。 对每一个变量输出交叉距阵和协方差距阵。 计算某个统计量时，在这一对变量中排除有缺省值的观测值。 对于任何分析，有缺省值的观测值都会被排除。 观测 号 1 2 3 4 5 6 7 8 9 10 体重 （克） 83 72 69 90 90 95 90 91 75 70 鸡冠重 （毫克） 56 42 18 84 56 107 90 68 31 48 相关分析实例数据表 相关分析实例 十只小鸡的体重与鸡冠的数据如表所示（数据文件：小鸡（相关）.sav）： 分析步骤 1）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框; 2）选择weight 和coronary变量进入 Variables框中; 3）在Correlation Coefficients栏内选择Pearson; 4）在Test of Significance栏选择Two-tailed; 5）选择Flag significant correlation; 6）单击Options按钮，选择Mean and standard deviations、Cross-product deviations and covariances、Exclude cases pairise选项; 7）单击OK完成。 描述性统计量表，如下： 从表中可看出，变量weight的均值为82.50，标准差为10.01，观测数为10；变量coronaryt的均值为60.00，标准差为27.60，观测数为10； 结果分析 从表中可看出， Pearson相关系数为0.865，即小鸡的体重与鸡冠的相关系数为0.865，这两者之间不相关的双尾检验值为0.001。体重观测值的协方差为100.278，而鸡冠重观测值的协方差为761.556，体重和鸡冠重的协方差为239.111。 从统计结果可得到，小鸡的体重与鸡冠重之间存在正相关关系，当小鸡的体重越大时，则小鸡的鸡冠越重。并且，否定了小鸡的体重与鸡冠重之间不相关的假设。 Pearson相关系数距阵 二、一元线性回归的SPSS操作详解 Step01：打开对话框 选择菜单栏中的【Analyze(分析)】→【Regression（回归）】→ 【Linear（线性）】命令，弹出【Linear Regression（线性回 归）】对话框，这是线性回归分析的主操作窗口。 Step02：选择因变量 在【Linear Regression（线性回归）】对话框左侧