第八章 相关分析和回归分析.ppt

第八章
SPSS相关分析与回归分析
本章内容
相关分析和回归分析概述
相关分析
偏相关分析
线性回归分析
曲线估计
二项Logistic回归分析
本章要求
一、相关分析
(掌握含义)
(掌握含义)
二、线性回归分析
(重点掌握拟合优度含义/系数显著性检验及含义/能够写出回归表达方式)

相关分析和回归分析概述
客观事物之间的关系大致可归纳为两大类,即
函数关系:指两事物之间的一种一一对应的关系,如商品的销售额和销售量之间的关系。
相关关系(统计关系):指两事物之间的一种非一一对应的关系,例如家庭收入和支出、子女身高和父母身高之间的关系等。相关关系又分为线性相关和非线性相关。
相关分析和回归分析都是分析客观事物之间相关关系的数量分析方法。
变量关系强度的含义
指两个变量相关程度的高低。统计学中是以准实验的思想来分析变量相关的。通常从以下的角度分析:
A)两变量是否相互独立。
B)两变量是否有共变趋势。
C)一变量的变化多大程度上能由另一变量的变化来解释。
双变量的关系强度如何测量?
双变量关系的统计类型
双变量关系强度测量的主要指标
Kendall τ相关系数
相关分析
相关分析通过图形和数值两种方式,有效地揭示事物之间相关关系的强弱程度和形式。
散点图
它将数据以点的的形式画在直角坐标系上,通过观察散点图能够直观的发现变量间的相关关系及他们的强弱程度和方向。
相关系数
利用相关系数进行变量间线性关系的分析通常需要完成以下两个步骤:
第一,计算样本相关系数r;
相关系数r的取值在-1~+1之间
R>0表示两变量存在正的线性相关关系;r<0表示两变量存在负的线性相关关系
R=1表示两变量存在完全正相关;r=-1表示两变量存在完全负相关;r=0表示两变量不相关
|r|>; |r|<
第二,对样本来自的两总体是否存在显著的线性关系进行推断。
对不同类型的变量应采用不同的相关系数来度量,常用的相关系数主要有Pearson简单相关系数、Spearman等级相关系数和Kendall 相关系数等。
Pearson简单相关系数(适用于两个变量都是数值型的数据)
Pearson简单相关系数的检验统计量为:
10