spss相關(guān)分析

1、Bivariate過程：用于進行兩個/多個變量間的參數(shù)/非參數(shù)相關(guān)分析，如果是多個變量，則給出兩兩相關(guān)的分析結(jié)果。這是Correlate子菜單中最為常用的一個過程。 Partial過程：偏相關(guān)分析。如果需要進行相關(guān)分析的兩個變量其取值均受到其他變量的影響，就可以利用偏相關(guān)分析對其他變量進行控制，輸出控制其他變量影響后的相關(guān)系數(shù)，這種分析思想和協(xié)方差分析非常類似。Distances過程：調(diào)用此過程可對同一變量內(nèi)部各觀察單位間的數(shù)值或各

2、個不同變量間進行距離相關(guān)分析，前者可用于檢測觀測值的接近程度，后者則常用于考察預(yù)測值對實際值的擬合優(yōu)度。該過程在實際應(yīng)用中用的非常少。,3.2.3 相關(guān)分析——Correlate菜單,,描述變量之間線性相關(guān)程度的強弱，并用適當(dāng)?shù)慕y(tǒng)計指標(biāo)表示出來的過程為相關(guān)分析?？筛鶕?jù)研究的目的不同，或變量的類型不同，采用不同的相關(guān)分析方法。,,,,相關(guān)系數(shù)的取值范圍在?1和+1之間，即?1≤r≤+1。其中： ? 若0＜r≤1，表明變量之間存在

3、正相關(guān)關(guān)系，即兩個變量的相隨變動方向相同； ? 若?1≤r＜0，表明變量之間存在負(fù)相關(guān)關(guān)系，即兩個變量的相隨變動方向相反；,,,,為了判斷r對ρ的代表性大小，需要對相關(guān)系數(shù)進行假設(shè)檢驗。 （1）首先假設(shè)總體相關(guān)性為零，即H0為兩總體無顯著的線性相關(guān)關(guān)系。 （2）其次，計算相應(yīng)的統(tǒng)計量，并得到對應(yīng)的相伴概率值。如果相伴概率值小于或等于指定的顯著性水平，則拒絕H0，認(rèn)為兩總體存在顯著的線性相關(guān)關(guān)系；如果相伴概率值大

4、于指定的顯著性水平，則不能拒絕H0，認(rèn)為兩總體不存在顯著的線性相關(guān)關(guān)系。,,在實際中，因為研究目的不同，變量的類型不同，采用的相關(guān)分析方法也不同。比較常用的相關(guān)分析是二元定距變量的相關(guān)分析、二元定序變量的相關(guān)分析、偏相關(guān)分析和距離分析。,3.2.3.1 二元定距變量的相關(guān)分析,二元變量的相關(guān)分析是指通過計算變量間兩兩相關(guān)的相關(guān)系數(shù)，對兩個或兩個以上變量之間兩兩相關(guān)的程度進行分析。根據(jù)所研究的變量類型不同，又可以分為二元定距變量的相關(guān)分析

5、和二元定序變量的相關(guān)分析。 在二元變量的相關(guān)分析過程中比較常用的幾個相關(guān)系數(shù)是Pearson簡單相關(guān)系數(shù)、Spearman和Kendall's tua-b等級相關(guān)系數(shù)。,Pearson簡單相關(guān)系數(shù)用來衡量定距變量間的線性關(guān)系。如衡量國民收入和居民儲蓄存款、身高和體重、高中成績和高考成績等變量間的線性相關(guān)關(guān)系。,Pearson簡單相關(guān)系數(shù),,對Pearson簡單相關(guān)系數(shù)的統(tǒng)計檢驗是計算t統(tǒng)計量，公式為

6、 t統(tǒng)計量服從n?2個自由度的t分布。,某班級學(xué)生數(shù)學(xué)和化學(xué)的期末考試成績?nèi)绫硭?，現(xiàn)要研究該班學(xué)生的數(shù)學(xué)和化學(xué)成績之間是否具有相關(guān)性。8.1,,在上面的結(jié)果中，變量間兩兩的相關(guān)系數(shù)是用方陣的形式給出的。每一行和每一列的兩個變量對應(yīng)的格子中就是這兩個變量相關(guān)分析結(jié)果結(jié)果，共分為三列，分別是相關(guān)系數(shù)、P值和樣本數(shù)。由于這里只分析了兩個變量，因此給出的是2*2的方陣。由上表可見自身的相關(guān)系數(shù)均為1，而數(shù)學(xué)和化學(xué)的相關(guān)系數(shù)為0.742，P&

7、lt;0.001，有非常顯著的統(tǒng)計學(xué)意義。,,如果對變量之間的相關(guān)程度不需要掌握得那么精確，可以通過繪制變量的相關(guān)散點圖來直接判斷。仍以上例來說明。,,Spearman和Kendall's tua-b等級相關(guān)系數(shù),Spearman和Kendall's tua-b等級相關(guān)系數(shù)用以衡量定序變量間的線性相關(guān)關(guān)系，它們利用的是非參數(shù)檢驗的方法。計算公式如下。 Spearman等級相關(guān)系數(shù)為,,,對Spearman等級相

8、關(guān)系數(shù)的統(tǒng)計檢驗，一般如果個案數(shù)n≤30，將直接利用Spearman等級相關(guān)統(tǒng)計量表，SPSS將自動根據(jù)該表給出對應(yīng)的相伴概率值。,,,,對Kendall's tua-b等級相關(guān)系數(shù)的統(tǒng)計檢驗，一般如果個案數(shù)n≤30，將直接利用Kendall's tua-b等級相關(guān)統(tǒng)計量表，SPSS將自動根據(jù)該表給出對應(yīng)的相伴概率值。,,某語文老師先后兩次對其班級學(xué)生同一篇作文加以評分，兩次成績分別記為變量“作文1”和“作文2”，問兩次

9、評分的等級相關(guān)有多大，是否達(dá)到顯著水平？8.2,,【Variables框】用于選入需要進行相關(guān)分析的變量，至少需要選入兩個?！綜orrelation Coefficients復(fù)選框組】用于選擇需要計算的相關(guān)分析指標(biāo)，有： Pearson復(fù)選框 選擇進行積距相關(guān)分析，即最常用的參數(shù)相關(guān)分析 Kendall's tau-b復(fù)選框 計算Kendall's等級相關(guān)系數(shù) Spearman復(fù)選框 計算Spearman相關(guān)

10、系數(shù)，即最常用的非參數(shù)相關(guān)分析（秩相關(guān)）,,【Test of Significance單選框組】用于確定是進行相關(guān)系數(shù)的單側(cè)（One-tailed）或雙側(cè)（Two-tailed）檢驗，一般選雙側(cè)檢驗。【Flag significant correlations】用于確定是否在結(jié)果中用星號標(biāo)記有統(tǒng)計學(xué)意義的相關(guān)系數(shù)，一般選中。此時P<0.05的系數(shù)值旁會標(biāo)記一個星號，P<0.01的則標(biāo)記兩個星號?！綩ptions鈕】

11、Statistics復(fù)選框組 可選的描述統(tǒng)計量。它們是：Means and standard deviations每個變量的均數(shù)和標(biāo)準(zhǔn)差 Cross-product deviations and covariances各對變量的交叉積和以及協(xié)方差陣,,3.2.3.2 偏相關(guān)分析,二元變量的相關(guān)分析在一些情況下無法較為真實準(zhǔn)確地反映事物之間的相關(guān)關(guān)系。例如，在研究某農(nóng)場春季早稻產(chǎn)量與平均降雨量、平均溫度之間的關(guān)系時，產(chǎn)量和平均降雨量之

12、間的關(guān)系中實際還包含了平均溫度對產(chǎn)量的影響。同時平均降雨量對平均溫度也會產(chǎn)生影響。在這種情況下，單純計算簡單相關(guān)系數(shù)，顯然不能準(zhǔn)確地反映事物之間地相關(guān)關(guān)系，而需要在剔除其他相關(guān)因素影響的條件下計算相關(guān)系數(shù)。偏相關(guān)分析正是用來解決這個問題的。,,偏相關(guān)分析是指當(dāng)兩個變量同時與第三個變量相關(guān)時，將第三個變量的影響剔除，只分析另外兩個變量之間相關(guān)程度的過程。 偏相關(guān)分析的工具是計算偏相關(guān)系數(shù)r12,3,,,某農(nóng)場通過試驗取得某農(nóng)作物產(chǎn)

13、量與春季降雨量和平均溫度的數(shù)據(jù)，如表所示?，F(xiàn)求降雨量對產(chǎn)量的偏相關(guān)。8.3,,【Variables框】用于選入需要進行偏相關(guān)分析的變量，至少需要選入兩個?！綜ontrolling for框】用于選擇需要在偏相關(guān)分析時進行控制的協(xié)變量，如果不選入，則進行的就是普通的相關(guān)分析。【Test of Significance單選框組】用于確定是進行相關(guān)系數(shù)的單側(cè)（One-tailed）或雙側(cè)（Two-tailed）檢驗，一般選雙側(cè)檢驗。

14、【Display actual significince level復(fù)選框】用于確定是否在結(jié)果中給出確切的P值，一般選中。 Zero-order correlations給出包括協(xié)變量在內(nèi)所有變量的相關(guān)方陣,,3.2.3.2 距離相關(guān)分析,距離相關(guān)分析是對觀測量之間或變量之間相似或不相似的程度的一種測量。距離相關(guān)分析可用于同一變量內(nèi)部各個取值間，以考察其相互接近程度；也可用于變量間，以考察預(yù)測值對實際值的擬合優(yōu)度。 距離

15、相關(guān)分析的結(jié)果可以用于其他分析過程。例如，因子分析、聚類分析等，有助于分析復(fù)雜的數(shù)據(jù)集合。,,距離相關(guān)分析根據(jù)統(tǒng)計量不同，分為以下兩種。 ? 不相似性測量：通過計算樣本之間或變量之間的距離來表示。 ? 相似性測量：通過計算Pearson相關(guān)系數(shù)或Cosine相關(guān)來表示。,,距離相關(guān)分析根據(jù)分析對象不同，分為以下兩種。 ? 樣本間分析：樣本和樣本之間的距離相關(guān)分析。 ? 變量間分析：變量和變量之間的

16、距離相關(guān)分析。,,在不相似性測量的距離分析中，根據(jù)不同類型的變量，采用不同的統(tǒng)計量進行計算。 （1）對連續(xù)變量的樣本 (x,y) 進行距離相關(guān)分析時，常用的統(tǒng)計量有以下幾種。,,,,,,,,,變量之間的相似性測量分析,對6個標(biāo)準(zhǔn)電子元件的電阻（歐姆）進行3次平行測試，測得結(jié)果如表所示。問測試結(jié)果是否一致。8.4,,,【Compute Distances單選框組】其中有兩個選擇，Between cases表示作變量內(nèi)部觀察值之間

17、的距離相關(guān)分析，Between variables表示作變量之間的距離相關(guān)分析?！綧easure單選框組】用于選擇分析時采用的距離類型：Dissimilarities為不相似性測距，Similarities為相似性測距。【Measure鈕】和前面的Measure單選框組配合使用，單擊后彈出Distance：Dissimilarity Measure對話框，可根據(jù)數(shù)據(jù)特征選用測距方法,選擇Dissimilarities時各種數(shù)據(jù)類

18、型可用的測距方法有：,1、計量資料 Euclidean distance：以兩變量差值平方和的平方根為距離； Squared Euclidean distance：以兩變量差值平方和為距離； Chebychev：以兩變量絕對差值的最大值為距離； Block：以兩變量絕對差值之和為距離； Minkowski：以兩變量絕對差值p次冪之和的p次根為距離； Customized：以兩變量絕對差值p次冪之和的r次根為距離。,,2、計數(shù)

19、資料 Chi-square measure：χ2值測距； Phi-square measure：ψ2值測距，即將χ2測距值除合計頻數(shù)的平方根。3、二分類變量 Euclidean distance：二分差平方和的平方根，最小為0，最大無限； Squared Euclidean distance：二分差平方和，最小為0，最大無限； Size difference：最小距離為0，最大無限； Pattern difference：

20、從0至1的無級測距； Variance：以方差為距，最小為0，最大無限； Lance and Williams：Bray-Curtis非等距系數(shù)，界于0至1之間。,選擇Similarities時各種數(shù)據(jù)類型可用的測距方法有：,1、計量資料 Pearson correlation：以Pearson相關(guān)系數(shù)為距離； Cosine：以變量矢量的余弦值為距離，界于-1至+1之間。 2、二分類變量 Russell and Rao：以二

21、分點乘積為配對系數(shù)； Simple matching：以配對數(shù)與總對數(shù)的比例為配對系數(shù)； Jaccard：相似比例，分子與分母中的配對數(shù)與非配對數(shù)給予相同的權(quán)重； Dice：Dice配對系數(shù)，分子與分母中的配對數(shù)給予加倍的權(quán)重； Rogers and Tanimoto：Rogers and Tanimoto配對系數(shù)，分母為配對數(shù)，分子為非配對數(shù)，非配對數(shù)給予加倍的權(quán)重；,,Sokal and Sneath 1：Sokal and

22、 Sneath Ⅰ型配對系數(shù)，分母為配對數(shù)，分子為非配對數(shù)，配對數(shù)給予加倍的權(quán)重； Sokal and Sneath 2：Sokal and Sneath Ⅱ型配對系數(shù)，分子與分母均為非配對數(shù)，但分子給予加倍的權(quán)重； Sokal and Sneath 3：Sokal and Sneath Ⅲ型配對系數(shù)，分母為配對數(shù)，分子為非配對數(shù)，分子與分母的權(quán)重相同； Kulczynski 1：Kulczynski Ⅰ型配對系數(shù)，分母為總數(shù)與配

23、對數(shù)之差，分子為非配對數(shù)，分子與分母的權(quán)重相同； Kulczynski 2：Kulczynski平均條件概率；,,Sokal and Sneath 4：Sokal and Sneath 條件概率； Hamann：Hamann概率； Lambda：Goodman-Kruskai相似測量的λ值； Anderberg's D：以一個變量狀態(tài)預(yù)測另一個變量狀態(tài)； Yule's Y：Yule綜合系數(shù)，屬于2×2

24、四格表的列聯(lián)比例函數(shù)； Yule's Q：Goodman-Kruskal γ值，屬于2×2四格表的列聯(lián)比例函數(shù)。,,Ochiai：Ochiai二分余弦測量； Sokal and Sneath 5：Sokal and Sneath Ⅴ型相似測量； Phi 4 point correlation：Pearson相關(guān)系數(shù)的平方值； Dispersion：Dispersion相似測量。,,同時，還可以選擇數(shù)據(jù)轉(zhuǎn)換形式：

25、 None：不作數(shù)據(jù)轉(zhuǎn)換； Z-Scores：作標(biāo)準(zhǔn)Z分值轉(zhuǎn)換； Range -1 to 1：作-1至+1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換； Range 0 to 1：作0至1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換； Maximum magnitude of 1：作最大量值1的標(biāo)準(zhǔn)轉(zhuǎn)換； Mean of 1：作均數(shù)單位轉(zhuǎn)換； Standard deviation of 1：作標(biāo)準(zhǔn)差單位轉(zhuǎn)換。,個案之間的相似性測量分析,某動物一次產(chǎn)下3個幼仔，分別對3個幼仔的長

26、、體重、四肢總長、頭重進行測量，試就這幾個測量而言，分析3個幼仔的相似性，數(shù)據(jù)如表所示。,,,回歸分析的主要類型：一元線性回歸分析、多元線性回歸分析、非線性回歸分析、曲線估計、時間序列的曲線估計、含虛擬自變量的回歸分析以及邏輯回歸分析等。,3.2.4 回歸分析——Regression菜單,3.2.4.1 一元線性回歸,通過樣本數(shù)據(jù)建立一個回歸方程后，不能立即就用于對某個實際問題的預(yù)測。因為，應(yīng)用最小二乘法求得的樣本回歸直線作為對總體回歸

27、直線的近似，這種近似是否合理，必須對其作各種統(tǒng)計檢驗。一般經(jīng)常作以下的統(tǒng)計檢驗。,,（1）擬合優(yōu)度檢驗 回歸方程的擬合優(yōu)度檢驗就是要檢驗樣本數(shù)據(jù)聚集在樣本回歸直線周圍的密集程度，從而判斷回歸方程對樣本數(shù)據(jù)的代表程度。 回歸方程的擬合優(yōu)度檢驗一般用判定系數(shù)R2實現(xiàn)。該指標(biāo)是建立在對總離差平方和進行分解的基礎(chǔ)之上。,,（2）回歸方程的顯著性檢驗（F檢驗） 回歸方程的顯著性檢驗是對因變量與所有自變量之間的線性關(guān)系是否

28、顯著的一種假設(shè)檢驗。回歸方程的顯著性檢驗一般采用F檢驗，利用方差分析的方法進行。,,,（3）回歸系數(shù)的顯著性檢驗（t檢驗） 所謂回歸系數(shù)的顯著性檢驗，就是根據(jù)樣本估計的結(jié)果對總體回歸系數(shù)的有關(guān)假設(shè)進行檢驗。 之所以對回歸系數(shù)進行顯著性檢驗，是因為回歸方程的顯著性檢驗只能檢驗所有回歸系數(shù)是否同時與零有顯著性差異，它不能保證回歸方程中不包含不能較好解釋說明因變量變化的自變量。因此，可以通過回歸系數(shù)顯著性檢驗對每個回歸系數(shù)進

29、行考察。,,回歸參數(shù)顯著性檢驗的基本步驟。 ① 提出假設(shè) ② 計算回歸系數(shù)的t統(tǒng)計量值 ③ 根據(jù)給定的顯著水平α確定臨界值，或者計算t值所對應(yīng)的p值 ④ 作出判斷,合成纖維的強度與其拉伸倍數(shù)有關(guān)，測得試驗數(shù)據(jù)如表所示。求合成纖維的強度與拉伸倍數(shù)之間是否存在顯著的線性相關(guān)關(guān)系。8.6,,【Dependent框】用于選入回歸分析的應(yīng)變量。【Block按鈕組】由Previous和Next兩個按鈕組成，用于

30、將下面Independent框中選入的自變量分組。由于多元回歸分析中自變量的選入方式有前進、后退、逐步等方法，如果對不同的自變量選入的方法不同，則用該按鈕組將自變量分組選入即可?！綢ndependent框】用于選入回歸分析的自變量。,,【Method下拉列表】用于選擇對自變量的選入方法，有Enter（強行進入法）、Stepwise（逐步法）、Remove（強制剔除法）、Backward（向后法）、Forward（向前法）五種。該選項

31、對當(dāng)前Independent框中的所有變量均有效?！維election Variable框】選入一個篩選變量，并利用右側(cè)的Rules鈕建立一個選擇條件，這樣，只有滿足該條件的記錄才會進入回歸分析。,,【Case Labels框】選擇一個變量，他的取值將作為每條記錄的標(biāo)簽。最典型的情況是使用記錄ID號的變量。【W(wǎng)LS weight鈕】可利用該按鈕進行權(quán)重最小二乘法的回歸分析。單擊該按鈕會擴展當(dāng)前對話框，出現(xiàn)WLS Weight框

32、，在該框內(nèi)選入權(quán)重變量即可。,【Statistics鈕】,Regression Coefficients復(fù)選框組：定義回歸系數(shù)的輸出情況，選中Estimates可輸出回歸系數(shù)B及其標(biāo)準(zhǔn)誤，t值和p值，還有標(biāo)準(zhǔn)化的回歸系數(shù)beta；選中Confidence intervals則輸出每個回歸系數(shù)的95%可信區(qū)間；選中covariance matrix則會輸出各個自變量的相關(guān)矩陣和方差、協(xié)方差矩陣。以上選項默認(rèn)只選中Estimates。 R

33、esiduals復(fù)選框組：用于選擇輸出殘差診斷的信息，可選的有Durbin-Watson殘差序列相關(guān)性檢驗、超出規(guī)定的n倍標(biāo)準(zhǔn)誤的殘差列表。 Model fit復(fù)選框：模型擬合過程中進入、退出的變量的列表，以及一些有關(guān)擬合優(yōu)度的檢驗：，R，R2和調(diào)整的R2, 標(biāo)準(zhǔn)誤及方差分析表。,,R squared change復(fù)選框：顯示模型擬合過程中R2、F值和p值的改變情況。 Descriptives復(fù)選框：提供一些變量描述，如有效例數(shù)、均

34、數(shù)、標(biāo)準(zhǔn)差等，同時還給出一個自變量間的相關(guān)矩陣。 Part and partial correlations復(fù)選框：顯示自變量間的相關(guān)、部分相關(guān)和偏相關(guān)系數(shù)。 Collinearity diagnostics復(fù)選框：給出一些用于共線性診斷的統(tǒng)計量，如特征根（Eigenvalues）、方差膨脹因子(VIF)等。,,【Plot鈕】彈出Plot對話框，用于選擇需要繪制的回歸分析診斷或預(yù)測圖?？衫L制的有標(biāo)準(zhǔn)化殘差的直方圖和正態(tài)分布圖，應(yīng)變

35、量、預(yù)測值和各自變量殘差間兩兩的散點圖等?！維ave鈕】許多時候我們需要將回歸分析的結(jié)果存儲起來，然后用得到的殘差、預(yù)測值等做進一步的分析，Save鈕就是用來存儲中間結(jié)果的?？梢源鎯Φ挠校侯A(yù)測值系列、殘差系列、距離（Distances）系列、預(yù)測值可信區(qū)間系列、波動統(tǒng)計量系列。下方的按鈕可以讓我們選擇將這些新變量存儲到一個新的SPSS數(shù)據(jù)文件或XML中。,,【Options鈕】設(shè)置回歸分析的一些選項，有： Stepping Me

36、thod Criteria單選鈕組：設(shè)置納入和排除標(biāo)準(zhǔn)，可按P值或F值來設(shè)置。Include constant in equation復(fù)選框：用于決定是否在模型中包括常數(shù)項，默認(rèn)選中。Missing Values單選鈕組：用于選擇對缺失值的處理方式，可以是不分析任一選入的變量有缺失值的記錄（Exclude cases listwise）而無論該缺失變量最終是否進入模型；不分析具體進入某變量時有缺失值的記錄（Exclude cases

37、 pairwise）；將缺失值用該變量的均數(shù)代替（Replace with mean）。,,,,,這是所用模型的檢驗結(jié)果，可以看到這就是一個標(biāo)準(zhǔn)的方差分析表！從上表可見所用的回歸模型F值為374.273，P值為0.000，因此我們用的這個回歸模型是有統(tǒng)計學(xué)意義的，可以繼續(xù)看下面系數(shù)分別檢驗的結(jié)果。,,用多元回歸分析來分析36個員工多個心理變量值（z1～z8）對員工滿意度（my）的預(yù)測效果，測得試驗數(shù)據(jù)如表所示。8.7,3.2.4.2 多

38、元線性回歸,定義：研究在非線性相關(guān)條件下，自變量對因變量的數(shù)量變化關(guān)系，稱為非線性回歸分析。 在實際問題中，變量之間的相關(guān)關(guān)系往往不是線性的，而是非線性的，因而不能用線性回歸方程來描述它們之間的相關(guān)關(guān)系，而要采用適當(dāng)?shù)姆蔷€性回歸分析。,3.2.4.3 非線性回歸分析,,非線性回歸問題大多數(shù)可以化為線性回歸問題來求解，也就是通過對非線性回歸模型進行適當(dāng)?shù)淖兞孔儞Q，使其化為線性模型來求解。一般步驟為：,,? 根據(jù)經(jīng)驗或者繪制散點圖

39、，選擇適當(dāng)?shù)姆蔷€性回歸方程； ? 通過變量置換，把非線性回歸方程化為線性回歸； ? 用線性回歸分析中采用的方法來確定各回歸系數(shù)的值； ? 對各系數(shù)進行顯著性檢驗。,,,,,,,,,,錫克試驗陰性率（%）隨著年齡的增長而增高，某地查得兒童年齡（歲）X與錫克試驗陰性率Y的資料如下，試擬合曲線。 8.8,【Models復(fù)選框組】Linear：擬合直線方程，實際上與Linear過程的二元直線回歸相同；Quadrati

40、c：擬合二次方程Y = b0+b1X+b2X2；Compound：擬合復(fù)合曲線模型Y = b0×b1X；Growth：擬合等比級數(shù)曲線模型Y = e(b0+b1X)；Logarithmic：擬合對數(shù)方程Y = b0+b1lnX；Cubic：擬合三次方程Y = b0+b1X+b2X2+b3X3；S：擬合S形曲線Y = e(b0+b1/X)；Exponential：擬合指數(shù)方程Y = b0 eb1X；Inverse：

41、數(shù)據(jù)按Y = b0+b1/X進行變換；Power：擬合乘冪曲線模型Y = b0X b1；Logistic：擬合Logistic曲線模型Y = 1/（1/u + b0×b1X），如選擇該線型則要求輸入上界。,,【Include constant in equation復(fù)選框】確定是否在方程中包含常數(shù)項。【Plot models復(fù)選框】要求對模型做圖，包括原始數(shù)值的連線圖和擬合模型的曲線圖?！緎ave鈕】彈出SAVE

42、對話框，用于定義想要存儲的中間結(jié)果，如預(yù)測值、預(yù)測值可信區(qū)間、殘差等?！綝isplay ANOVA table復(fù)選框】要求顯示模型檢驗的方差分析表。,,首先對年齡和陰性率作散點圖，發(fā)現(xiàn)兩者有斜率逐漸放緩的曲線趨勢，因此選擇二次曲線模型、三次曲線模型和對數(shù)曲線模型，最終取其中結(jié)果最優(yōu)者，做法如下：Analyze==>Regression==>Curve estimationDependant框：選入陰性率Indepe

43、ndant框：選入年齡Models復(fù)選框組：選擇Quadratic、Curbic、Logarithmatic，取消對Liner的選擇。,,上表給出了所擬合的三個模型的檢驗報告，包括擬合優(yōu)度、模型的檢驗結(jié)果和各個系數(shù)值，從檢驗結(jié)果看，三個模型均有統(tǒng)計學(xué)意義，但從擬合優(yōu)度看，三次方曲線的擬合優(yōu)度最高，似乎應(yīng)選擇三次方曲線，但注意三次方曲線多一個參數(shù)，要復(fù)雜一些，而它的擬合優(yōu)度和二次方曲線相差不大，因此僅從這里的結(jié)果還不好對它們兩者作出判斷

44、，,試用SPSS對國內(nèi)生產(chǎn)總值和社會消費品零售總額之間的關(guān)系進行曲線回歸分析。8.9,,,由于進行曲線估計時所選的曲線模型種類較多，所以使得輸出的觀察值與在各種函數(shù)模型條件下預(yù)測值的對比圖比較復(fù)雜，不易分辨出究竟Linear，Quadratic，Cubic及Power這4種曲線究竟哪種的對樣本觀察值的擬合優(yōu)度更符合實際。,,重新回到對話框，在“Model”框內(nèi)只選中“Quadratic”和“Cubic”這兩種擬合優(yōu)度更高的曲線模型進行估