SPSS相关分析与回归分析专题.pptx

相关分析与回归分析专题(Correlation regression);相关分析(Correlation Analysis);一、相关分析的意义： 研究问题过程：单变量分析 双变量分析 多变量分析 多变量分析与单变量分析的最大不同：揭示客观事物之间的关联性。 所以，相关分析的意义和目的在于： （1）在统计学中有理论与实践意义 （2）对相关关系的存在性给出判断 ( 3 ) 对相关关系的强度给出度量和分析;二、相关分析的概念 变量之间的关系分为确定性关系和非确定性关系。 确定性关系：当一个变量值（自变量）确定后，另一个变量值（因变量）也就完全确定了，确定性关系往往可以表示成一个函数的形式，比如圆的面积和半径的关系： S=πr2 非确定性关系：给定了一个变量值后，另一个变量值可以在一定范围内变化，例如家庭的消费支出和家庭收入的关系。 研究者把非确定性关系称为相关关系。;三.相关分析的特点和应用 相关关系是普遍存在的，函数关系仅是相关关系的特例。 1.相关关系的类型 相关关系多种多样，归纳起来大致有以下6种： 强正相关关系，其特点是一变量X增加，导致另一变量 Y明显增加，说明X是影响Y的主要因素。 弱正相关关系，其特点是一变量X增加，导致另一变量Y增加，但增加幅度不明显。 强负相关关系，其特点是X增加，导致Y明显减少，说明X是影响Y的主要因素;弱负相关关系，其特点是变量X增加，导致Y减少，但 减少幅度不明显，说明X是Y的影响因素，但不是唯一 因素。 非线性相关关系，其特点是X、Y之间没有明显的线性 关系，却存在着某种非线性关系，说明X仍是影响Y的 因素。 不相关，其特点是X、Y不存在相关关系，说明X不是 影响Y的因素。;2.相关分析的应用 （1）相关分析可以在影响某个变量的诸多变量中判断哪些是显著的，哪些是不显著的。而且在得到相关分析的结果后，可以用于其他分析，如回归分析和因子分析。 （2） 相关分析方法已广泛用于心理学、教育学、医学、经济学等各学科。它对试验数据的处理、经验公式的建立、管理标准的测定、自然现象和经济现象的统计预报，都是一种方便而且有效的工具。;四、相关系数;相关系数的计算;Pearson相关系数应用广泛，其计算公式及其性质如下：;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（两两相关分析过程） Partial （偏相关分析过程） Distances（距离分析过程）;Bivariate过程; Bivariate过程用于进行两个或多个变量间的参数与非参数相关分析，如为多个变量，给出两两相关的分析结果。这是correlate菜单中最常用的一个过程，包括自动计算Pearson简单相关系数、T检验统计量和对应的概率P值。 ;举例：对肺活量和体重做相关分析 1.打开SAV数据。 2.用散点图初步观察两变量间有无相关趋势，依次单击菜单“Graphs-Chart Builder”打开图形构建器，选择做散点图（Scatter /Dot)。 ; 3.设置相关分析的参数。 依次单击“Analyze-Correlate-Bivariate”执行两变量相关分析。其主设置面板如图所示：;;（2）相关性输出，“相关性”表格给出的是Pearson相关系数及其检验结果：“相关系数”表格给出的是两个非参数相关系数及其检验结果。可见，3个相关系数在0.01和0.05的显著性水平（双边检验）上都非常显著，从而推断体重和肺活量之间存在着明显的正相关关系。; Partial 过程; 偏相关分析也称净相关分析，它在控制其他变量的线性影响下分析两变量间的线性相关，所采用的是工具是偏相关系数（净相关系数）。运用偏相关分析可以有效地揭示变量间的真实关系，识别干扰变量并寻找隐含的相关性。如控制年龄和工作经验的影响，估计工资收入与受教育水平之间的相关关系。 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。 ;举例： 分析身高与肺活量之间的相关性，要控制体重在相关分析过程中的影响。 1.设置偏相关分析的参数。 依次单击“Analyze-Correlate-Patial”执行偏相关分析。其主设置面板如图所示： ;0阶偏相关 （Pearson);（1）描述性输出，“描述性统计量”表格给出了三个变量的基本