spss相關(guān)分析

1、Bivariate過(guò)程：用于進(jìn)行兩個(gè)/多個(gè)變量間的參數(shù)/非參數(shù)相關(guān)分析，如果是多個(gè)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(gè)過(guò)程。 Partial過(guò)程：偏相關(guān)分析。如果需要進(jìn)行相關(guān)分析的兩個(gè)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(duì)其他變量進(jìn)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(guò)程：調(diào)用此過(guò)程可對(duì)同一變量?jī)?nèi)部各觀察單位間的數(shù)值或各

2、個(gè)不同變量間進(jìn)行距離相關(guān)分析，前者可用于檢測(cè)觀測(cè)值的接近程度，后者則常用于考察預(yù)測(cè)值對(duì)實(shí)際值的擬合優(yōu)度。該過(guò)程在實(shí)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(qiáng)弱，并用適當(dāng)?shù)慕y(tǒng)計(jì)指標(biāo)表示出來(lái)的過(guò)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(gè)變量的相隨變動(dòng)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(gè)變量的相隨變動(dòng)方向相反；,,,,為了判斷r對(duì)ρ的代表性大小，需要對(duì)相關(guān)系數(shù)進(jìn)行假設(shè)檢驗(yàn)。 （1）首先假設(shè)總體相關(guān)性為零，即H0為兩總體無(wú)顯著的線性相關(guān)關(guān)系。 （2）其次，計(jì)算相應(yīng)的統(tǒng)計(jì)量，并得到對(duì)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(shí)際中，因?yàn)檠芯磕康牟煌兞康念愋筒煌?，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(guò)計(jì)算變量間兩兩相關(guān)的相關(guān)系數(shù)，對(duì)兩個(gè)或兩個(gè)以上變量之間兩兩相關(guān)的程度進(jìn)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(guò)程中比較常用的幾個(gè)相關(guān)系數(shù)是Pearson簡(jiǎn)單相關(guān)系數(shù)、Spearman和Kendall's tua-b等級(jí)相關(guān)系數(shù)。,Pearson簡(jiǎn)單相關(guān)系數(shù)用來(lái)衡量定距變量間的線性關(guān)系。如衡量國(guó)民收入和居民儲(chǔ)蓄存款、身高和體重、高中成績(jī)和高考成績(jī)等變量間的線性相關(guān)關(guān)系。,Pearson簡(jiǎn)單相關(guān)系數(shù),,對(duì)Pearson簡(jiǎn)單相關(guān)系數(shù)的統(tǒng)計(jì)檢驗(yàn)是計(jì)算t統(tǒng)計(jì)量，公式為

6、 t統(tǒng)計(jì)量服從n?2個(gè)自由度的t分布。,某班級(jí)學(xué)生數(shù)學(xué)和化學(xué)的期末考試成績(jī)?nèi)绫硭荆F(xiàn)要研究該班學(xué)生的數(shù)學(xué)和化學(xué)成績(jī)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(gè)變量對(duì)應(yīng)的格子中就是這兩個(gè)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(gè)變量，因此給出的是2*2的方陣。由上表可見(jiàn)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(jì)學(xué)意義。,,如果對(duì)變量之間的相關(guān)程度不需要掌握得那么精確，可以通過(guò)繪制變量的相關(guān)散點(diǎn)圖來(lái)直接判斷。仍以上例來(lái)說(shuō)明。,,Spearman和Kendall's tua-b等級(jí)相關(guān)系數(shù),Spearman和Kendall's tua-b等級(jí)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(yàn)的方法。計(jì)算公式如下。 Spearman等級(jí)相關(guān)系數(shù)為,,,對(duì)Spearman等級(jí)相

8、關(guān)系數(shù)的統(tǒng)計(jì)檢驗(yàn)，一般如果個(gè)案數(shù)n≤30，將直接利用Spearman等級(jí)相關(guān)統(tǒng)計(jì)量表，SPSS將自動(dòng)根據(jù)該表給出對(duì)應(yīng)的相伴概率值。,,,,對(duì)Kendall's tua-b等級(jí)相關(guān)系數(shù)的統(tǒng)計(jì)檢驗(yàn)，一般如果個(gè)案數(shù)n≤30，將直接利用Kendall's tua-b等級(jí)相關(guān)統(tǒng)計(jì)量表，SPSS將自動(dòng)根據(jù)該表給出對(duì)應(yīng)的相伴概率值。,,某語(yǔ)文老師先后兩次對(duì)其班級(jí)學(xué)生同一篇作文加以評(píng)分，兩次成績(jī)分別記為變量“作文1”和“作文2”，問(wèn)兩次

9、評(píng)分的等級(jí)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(jìn)行相關(guān)分析的變量，至少需要選入兩個(gè)。【Correlation Coefficients復(fù)選框組】用于選擇需要計(jì)算的相關(guān)分析指標(biāo)，有： Pearson復(fù)選框 選擇進(jìn)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(jì)算Kendall's等級(jí)相關(guān)系數(shù) Spearman復(fù)選框 計(jì)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(jìn)行相關(guān)系數(shù)的單側(cè)（One-tailed）或雙側(cè)（Two-tailed）檢驗(yàn)，一般選雙側(cè)檢驗(yàn)。【Flag significant correlations】用于確定是否在結(jié)果中用星號(hào)標(biāo)記有統(tǒng)計(jì)學(xué)意義的相關(guān)系數(shù)，一般選中。此時(shí)P<0.05的系數(shù)值旁會(huì)標(biāo)記一個(gè)星號(hào)，P<0.01的則標(biāo)記兩個(gè)星號(hào)?！綩ptions鈕】

11、Statistics復(fù)選框組 可選的描述統(tǒng)計(jì)量。它們是：Means and standard deviations每個(gè)變量的均數(shù)和標(biāo)準(zhǔn)差 Cross-product deviations and covariances各對(duì)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(wú)法較為真實(shí)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(chǎng)春季早稻產(chǎn)量與平均降雨量、平均溫度之間的關(guān)系時(shí)，產(chǎn)量和平均降雨量之

12、間的關(guān)系中實(shí)際還包含了平均溫度對(duì)產(chǎn)量的影響。同時(shí)平均降雨量對(duì)平均溫度也會(huì)產(chǎn)生影響。在這種情況下，單純計(jì)算簡(jiǎn)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(jì)算相關(guān)系數(shù)。偏相關(guān)分析正是用來(lái)解決這個(gè)問(wèn)題的。,,偏相關(guān)分析是指當(dāng)兩個(gè)變量同時(shí)與第三個(gè)變量相關(guān)時(shí)，將第三個(gè)變量的影響剔除，只分析另外兩個(gè)變量之間相關(guān)程度的過(guò)程。 偏相關(guān)分析的工具是計(jì)算偏相關(guān)系數(shù)r12,3,,,某農(nóng)場(chǎng)通過(guò)試驗(yàn)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(duì)產(chǎn)量的偏相關(guān)。8.3,,【Variables框】用于選入需要進(jìn)行偏相關(guān)分析的變量，至少需要選入兩個(gè)?！綜ontrolling for框】用于選擇需要在偏相關(guān)分析時(shí)進(jìn)行控制的協(xié)變量，如果不選入，則進(jìn)行的就是普通的相關(guān)分析?！綯est of Significance單選框組】用于確定是進(jìn)行相關(guān)系數(shù)的單側(cè)（One-tailed）或雙側(cè)（Two-tailed）檢驗(yàn)，一般選雙側(cè)檢驗(yàn)。

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(duì)觀測(cè)量之間或變量之間相似或不相似的程度的一種測(cè)量。距離相關(guān)分析可用于同一變量?jī)?nèi)部各個(gè)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(cè)值對(duì)實(shí)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(guò)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(jì)量不同，分為以下兩種。 ? 不相似性測(cè)量：通過(guò)計(jì)算樣本之間或變量之間的距離來(lái)表示。 ? 相似性測(cè)量：通過(guò)計(jì)算Pearson相關(guān)系數(shù)或Cosine相關(guān)來(lái)表示。,,距離相關(guān)分析根據(jù)分析對(duì)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(cè)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(jì)量進(jìn)行計(jì)算。 （1）對(duì)連續(xù)變量的樣本 (x,y) 進(jìn)行距離相關(guān)分析時(shí)，常用的統(tǒng)計(jì)量有以下幾種。,,,,,,,,,變量之間的相似性測(cè)量分析,對(duì)6個(gè)標(biāo)準(zhǔn)電子元件的電阻（歐姆）進(jìn)行3次平行測(cè)試，測(cè)得結(jié)果如表所示。問(wèn)測(cè)試結(jié)果是否一致。8.4,,,【Compute Distances單選框組】其中有兩個(gè)選擇，Between cases表示作變量?jī)?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(shí)采用的距離類型：Dissimilarities為不相似性測(cè)距，Similarities為相似性測(cè)距?！綧easure鈕】和前面的Measure單選框組配合使用，單擊后彈出Distance：Dissimilarity Measure對(duì)話框，可根據(jù)數(shù)據(jù)特征選用測(cè)距方法,選擇Dissimilarities時(shí)各種數(shù)據(jù)類

18、型可用的測(cè)距方法有：,1、計(jì)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(duì)差值的最大值為距離； Block：以兩變量絕對(duì)差值之和為距離； Minkowski：以兩變量絕對(duì)差值p次冪之和的p次根為距離； Customized：以兩變量絕對(duì)差值p次冪之和的r次根為距離。,,2、計(jì)數(shù)

19、資料 Chi-square measure：χ2值測(cè)距； Phi-square measure：ψ2值測(cè)距，即將χ2測(cè)距值除合計(jì)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(wú)限； Squared Euclidean distance：二分差平方和，最小為0，最大無(wú)限； Size difference：最小距離為0，最大無(wú)限； Pattern difference：

20、從0至1的無(wú)級(jí)測(cè)距； Variance：以方差為距，最小為0，最大無(wú)限； Lance and Williams：Bray-Curtis非等距系數(shù)，界于0至1之間。,選擇Similarities時(shí)各種數(shù)據(jù)類型可用的測(cè)距方法有：,1、計(jì)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(diǎn)乘積為配對(duì)系數(shù)； Simple matching：以配對(duì)數(shù)與總對(duì)數(shù)的比例為配對(duì)系數(shù)； Jaccard：相似比例，分子與分母中的配對(duì)數(shù)與非配對(duì)數(shù)給予相同的權(quán)重； Dice：Dice配對(duì)系數(shù)，分子與分母中的配對(duì)數(shù)給予加倍的權(quán)重； Rogers and Tanimoto：Rogers and Tanimoto配對(duì)系數(shù)，分母為配對(duì)數(shù)，分子為非配對(duì)數(shù)，非配對(duì)數(shù)給予加倍的權(quán)重；,,Sokal and Sneath 1：Sokal and

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

23、對(duì)數(shù)之差，分子為非配對(duì)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(cè)量的λ值； Anderberg's D：以一個(gè)變量狀態(tài)預(yù)測(cè)另一個(gè)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(cè)量； Sokal and Sneath 5：Sokal and Sneath Ⅴ型相似測(cè)量； Phi 4 point correlation：Pearson相關(guān)系數(shù)的平方值； Dispersion：Dispersion相似測(cè)量。,,同時(shí)，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(gè)案之間的相似性測(cè)量分析,某動(dòng)物一次產(chǎn)下3個(gè)幼仔，分別對(duì)3個(gè)幼仔的長(zhǎng)

26、、體重、四肢總長(zhǎng)、頭重進(jìn)行測(cè)量，試就這幾個(gè)測(cè)量而言，分析3個(gè)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(jì)、時(shí)間序列的曲線估計(jì)、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(guò)樣本數(shù)據(jù)建立一個(gè)回歸方程后，不能立即就用于對(duì)某個(gè)實(shí)際問(wèn)題的預(yù)測(cè)。因?yàn)?，?yīng)用最小二乘法求得的樣本回歸直線作為對(duì)總體回歸

27、直線的近似，這種近似是否合理，必須對(duì)其作各種統(tǒng)計(jì)檢驗(yàn)。一般經(jīng)常作以下的統(tǒng)計(jì)檢驗(yàn)。,,（1）擬合優(yōu)度檢驗(yàn) 回歸方程的擬合優(yōu)度檢驗(yàn)就是要檢驗(yàn)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(duì)樣本數(shù)據(jù)的代表程度。 回歸方程的擬合優(yōu)度檢驗(yàn)一般用判定系數(shù)R2實(shí)現(xiàn)。該指標(biāo)是建立在對(duì)總離差平方和進(jìn)行分解的基礎(chǔ)之上。,,（2）回歸方程的顯著性檢驗(yàn)（F檢驗(yàn)） 回歸方程的顯著性檢驗(yàn)是對(duì)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(yàn)。回歸方程的顯著性檢驗(yàn)一般采用F檢驗(yàn)，利用方差分析的方法進(jìn)行。,,,（3）回歸系數(shù)的顯著性檢驗(yàn)（t檢驗(yàn)） 所謂回歸系數(shù)的顯著性檢驗(yàn)，就是根據(jù)樣本估計(jì)的結(jié)果對(duì)總體回歸系數(shù)的有關(guān)假設(shè)進(jìn)行檢驗(yàn)。 之所以對(duì)回歸系數(shù)進(jìn)行顯著性檢驗(yàn)，是因?yàn)榛貧w方程的顯著性檢驗(yàn)只能檢驗(yàn)所有回歸系數(shù)是否同時(shí)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(shuō)明因變量變化的自變量。因此，可以通過(guò)回歸系數(shù)顯著性檢驗(yàn)對(duì)每個(gè)回歸系數(shù)進(jìn)

29、行考察。,,回歸參數(shù)顯著性檢驗(yàn)的基本步驟。 ① 提出假設(shè) ② 計(jì)算回歸系數(shù)的t統(tǒng)計(jì)量值 ③ 根據(jù)給定的顯著水平α確定臨界值，或者計(jì)算t值所對(duì)應(yīng)的p值 ④ 作出判斷,合成纖維的強(qiáng)度與其拉伸倍數(shù)有關(guān)，測(cè)得試驗(yàn)數(shù)據(jù)如表所示。求合成纖維的強(qiáng)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?！綛lock按鈕組】由Previous和Next兩個(gè)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(jìn)、后退、逐步等方法，如果對(duì)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(duì)自變量的選入方法，有Enter（強(qiáng)行進(jìn)入法）、Stepwise（逐步法）、Remove（強(qiáng)制剔除法）、Backward（向后法）、Forward（向前法）五種。該選項(xiàng)

31、對(duì)當(dāng)前Independent框中的所有變量均有效。【Selection Variable框】選入一個(gè)篩選變量，并利用右側(cè)的Rules鈕建立一個(gè)選擇條件，這樣，只有滿足該條件的記錄才會(huì)進(jìn)入回歸分析。,,【Case Labels框】選擇一個(gè)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(hào)的變量?！網(wǎng)LS weight鈕】可利用該按鈕進(jìn)行權(quán)重最小二乘法的回歸分析。單擊該按鈕會(huì)擴(kuò)展當(dāng)前對(duì)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(gè)回歸系數(shù)的95%可信區(qū)間；選中covariance matrix則會(huì)輸出各個(gè)自變量的相關(guān)矩陣和方差、協(xié)方差矩陣。以上選項(xiàng)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(yàn)、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(guò)程中進(jìn)入、退出的變量的列表，以及一些有關(guān)擬合優(yōu)度的檢驗(yàn)：，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(guò)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(shí)還給出一個(gè)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(jì)量，如特征根（Eigenvalues）、方差膨脹因子(VIF)等。,,【Plot鈕】彈出Plot對(duì)話框，用于選擇需要繪制的回歸分析診斷或預(yù)測(cè)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(cè)值和各自變量殘差間兩兩的散點(diǎn)圖等?！維ave鈕】許多時(shí)候我們需要將回歸分析的結(jié)果存儲(chǔ)起來(lái)，然后用得到的殘差、預(yù)測(cè)值等做進(jìn)一步的分析，Save鈕就是用來(lái)存儲(chǔ)中間結(jié)果的?？梢源鎯?chǔ)的有：預(yù)測(cè)值系列、殘差系列、距離（Distances）系列、預(yù)測(cè)值可信區(qū)間系列、波動(dòng)統(tǒng)計(jì)量系列。下方的按鈕可以讓我們選擇將這些新變量存儲(chǔ)到一個(gè)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(xiàng)，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(lái)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(xiàng)，默認(rèn)選中。Missing Values單選鈕組：用于選擇對(duì)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(wú)論該缺失變量最終是否進(jìn)入模型；不分析具體進(jìn)入某變量時(shí)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(yàn)結(jié)果，可以看到這就是一個(gè)標(biāo)準(zhǔn)的方差分析表！從上表可見(jiàn)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(gè)回歸模型是有統(tǒng)計(jì)學(xué)意義的，可以繼續(xù)看下面系數(shù)分別檢驗(yàn)的結(jié)果。,,用多元回歸分析來(lái)分析36個(gè)員工多個(gè)心理變量值（z1～z8）對(duì)員工滿意度（my）的預(yù)測(cè)效果，測(cè)得試驗(yàn)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(duì)因變量的數(shù)量變化關(guān)系，稱為非線性回歸分析。 在實(shí)際問(wèn)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(lái)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(wèn)題大多數(shù)可以化為線性回歸問(wèn)題來(lái)求解，也就是通過(guò)對(duì)非線性回歸模型進(jìn)行適當(dāng)?shù)淖兞孔儞Q，使其化為線性模型來(lái)求解。一般步驟為：,,? 根據(jù)經(jīng)驗(yàn)或者繪制散點(diǎn)圖

39、，選擇適當(dāng)?shù)姆蔷€性回歸方程； ? 通過(guò)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(lái)確定各回歸系數(shù)的值； ? 對(duì)各系數(shù)進(jìn)行顯著性檢驗(yàn)。,,,,,,,,,,錫克試驗(yàn)陰性率（%）隨著年齡的增長(zhǎng)而增高，某地查得兒童年齡（歲）X與錫克試驗(yàn)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(shí)際上與Linear過(guò)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(jí)數(shù)曲線模型Y = e(b0+b1X)；Logarithmic：擬合對(duì)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(jìn)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(xiàng)?！綪lot models復(fù)選框】要求對(duì)模型做圖，包括原始數(shù)值的連線圖和擬合模型的曲線圖。【save鈕】彈出SAVE

42、對(duì)話框，用于定義想要存儲(chǔ)的中間結(jié)果，如預(yù)測(cè)值、預(yù)測(cè)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(yàn)的方差分析表。,,首先對(duì)年齡和陰性率作散點(diǎn)圖，發(fā)現(xiàn)兩者有斜率逐漸放緩的曲線趨勢(shì)，因此選擇二次曲線模型、三次曲線模型和對(duì)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(duì)Liner的選擇。,,上表給出了所擬合的三個(gè)模型的檢驗(yàn)報(bào)告，包括擬合優(yōu)度、模型的檢驗(yàn)結(jié)果和各個(gè)系數(shù)值，從檢驗(yàn)結(jié)果看，三個(gè)模型均有統(tǒng)計(jì)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(gè)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(duì)它們兩者作出判斷

44、，,試用SPSS對(duì)國(guó)內(nèi)生產(chǎn)總值和社會(huì)消費(fèi)品零售總額之間的關(guān)系進(jìn)行曲線回歸分析。8.9,,,由于進(jìn)行曲線估計(jì)時(shí)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(cè)值的對(duì)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(duì)樣本觀察值的擬合優(yōu)度更符合實(shí)際。,,重新回到對(duì)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(jìn)行估