SPSS的相关分析和回归分析.ppt

概述
(一)相关关系
(1)函数关系:(如:销售额与销售量;圆面积和圆半径.)
:当一个变量x取一定值时,另一变量y可以依确定的关系取一个确定的值
(2)统计关系:(如:收入和消费;身高的遗传.)
:当一个变量x取一定值时,
概述
统计关系的常见类型:
线性相关:正线性相关、负线性相关
非线性相关
统计关系不象函数关系那样直接,但却普遍存在,?
概述
(二) 相关分析和回归分析的任务
研究对象:统计关系
相关分析旨在测度变量间线性关系的强弱程度.
回归分析侧重考察变量之间的数量变化规律,并通过一定的数学表达式来描述这种关系,进而确定一个或几个变量的变化对另一个变量的影响程度.
相关分析
(一)目的
通过样本数据,研究两变量间线性相关程度的强弱.(例如:职工的年龄和收入之间的关系、工人数和管理人员之间的数量关系)
(二)基本方法
绘制散点图、计算相关系数
绘制散点图
(一)散点图
,可以用来发现变量间的关系和可能的趋势.
体现了正相关趋势
绘制散点图
(二)基本操作步骤
(1)菜单选项:graphs->scatter
(2)选择散点图类型:
simple:简单散点图(显示一对变量的散点图)
overlay:重叠散点图(显示多对变量的散点图)
(3)选择x轴和y轴的变量
(4)选择分组变量(set markers by):分别以不同颜色点的表示
(5)选择标记变量(label case by): 散点图上可带有标记变量的值(如:职工号)
绘制散点图
(三)应用举例
通过27家企业普通员工人数和管理人员数,利用散点图分析人数之间的关系
散点图在进行相关分析时较为粗略
计算相关系数
(一)相关系数
(1)作用:
以精确的相关系数(r)体现两个变量间的线性关系程度.
r:[-1,+1]; r=1:完全正相关; r=-1:完全负相关; r=0:无线性相关; |r|>:强相关; |r|<:弱相关
计算相关系数
(一)相关系数
(2)说明:
相关系数只是较好地度量了两变量间的线性相关程度,不能描述非线性关系.
如:x和y的取值为:(-1,-1) (-1,1) (1,-1) (1,1)
r=0 但 xi2+yi2=2
数据中存在极端值时不好
如:(1,1)(2,2)(3,3),(4,4),(5,5),(6,1)
r= 但总体上表现出: x=y 应结合散点图分析
计算相关系数
(一)相关系数
(3)种类:
简单线性相关系数(Pearson):针对定距数据.
(如:身高和体重)