资源描述
单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,制作人:夏怡凡,第,8,章,SPSS,的相关分析和回归分析,主要内容:,概述,主要介绍相关分析和回归分析的思想和用途,相关分析,主要是分析变量之间的关系以及强弱程度;,偏相关分析,介绍是排除了相关分析中其他隐形因素的影响后的变量的净相关关系;,线性回归分析,介绍是建立变量间的线性关系,二项回归,介绍其他的一些回归方法;,8.1,相关分析和回归分析概述,相关分析和回归分析都是分析事物之间关系的数量分析方法;,事物之间的关系大概可以分为函数关系和统计关系两类,而相关分析和回归分析是用来分析统计关系的数量方法;,8.1,相关分析和回归分析概述,函数关系是一一对应关系,也可以说是一种确定性的关系;,特点之一是一个变量值有另一个变量的值确定;,这种关系很多;,另外一种关系是统计关系;,不是一一对应,而是存在随机的不确定性;,但是两个变量确实存在关系;,8.1,概述,函数关系比较容易确定;,统计关系不是那么直接,它存在强弱、程度的差异;,但是这种关系又是普遍存在的,甚至很多函数关系不能描述的,统计关系都能描述;,8.2,相关分析,相关分析可以通过图形和数值两种方式,有效的揭示事物之间统计关系的强弱程度;,方式有以下几种:,散点图:特点是直观;,相关函数:特点是精确;,8.2.1,散点图,绘制散点图是非常常用而直观的方法;,将数据用点的形式绘在直角平面图上;,通过看图可以可以看出变量间的统计关系以及关系的强弱;,8.2.1.2,绘制散点图的基本操作,Graphs,菜单,Scatter,选择散点图,类型,如下窗口,1.,8.2.1.2,绘制散点图的基本操作,Simple,表示简单散点图;,指定纵轴变量,选入,Y Axis,框中;,指定横轴变量,选入,X Axis,框中;,把可作为分组的变量选入,Set Markers by,框中;,把标记变量选入,Label by,框中;,8.2.1.2,绘制散点图的基本操作,重叠散点图,多对变量的统计关系散点图;,两个变量为一组,,把已标记的变量选入,Label by,框中,矩阵散点图,三维散点图;,8.2.2,相关系数,散点图直观,但是不精确;,样本相关函数以数值的方式精确反映两变量相关关系的强弱;,相关函数特点和种类;,介于正负,1,之间;,大于,0,表示正相关,小于,0,表示负相关;,绝对值大于,0.8,表示有较强线性关系,故国绝对值小于,0.3,,说明线性关系较弱;,8.2.2,相关行检验和相应统计量,Pearson,简单相关函数;,Spearman,等级相关系数;,Kendall T,相关系数;,8.2.1.2,计算相关函数的基本操作,Analyze,菜单,Correlate,Bivarate,如下窗口,1.,8.2.1.2,基本操作(续),Correlation Coefficients,Test of Significance,8.2.3,相关分析应用举例,为研究高等院校人文科学研究中立项课题数要受那些因素影响,收集,31,个省市自治区部分高校社科研究方面数据,看立项课题数是否与投入具有高职称人数。发表论文数之间是否有相关关系,绘制散点图,计算相关系数,结果说明,从上面看出,课题总数和投入高职称人年数的相关系数为,0.994,与论文数的相关系数为,0.887,两者的检验概率,p,值都接近,0,,故认为总体存在线性关系,8.3,偏相关分析,相关系数未必是两事物线性关系强弱的体现,有夸大的趋势;,偏相关系数是在控制其他变量的影响的条件下计算两变量间的相关关系;,步骤:,计算样本偏相关系数;,进行推断,8.3.2,偏相关分析的基本操作,Analyze,菜单,Correlate,Partial,如下窗口,1.,8.3.2,基本操作(续),Test of Significance,8.3.2,偏相关分析的基本操作(续),将待分析的变量选入,Variable,框中;,选择一个或者多个变量到,Controlling for,框中作为控制变量;,选择单尾还是双尾检验;,在,Options,按钮中的,Statistics,选项中选中,Zero-order Correlation,,表示输出零阶偏相关系数,8.3.2,偏相关分析应用举例,课题数与论文数的相关性可能受到投入高职称人年数的影响,因此要计算偏相关系数,-P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S -,Zero Order Partials,X5 X7 X3,X5 1.0000 .8866 .9445,(0)(29)(29),P=.P=.000 P=.000,X7 .8866 1.0000 .9534,(29)(0)(29),P=.000 P=.P=.000,X3 .9445 .9534 1.0000,(29)(29)(0),P=.000 P=.000 P=.,(Coefficient/(D.F.)/2-tailed Significance),.is printed if a coefficient cannot be computed,-P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S -,Controlling for.X3,X5 X7,X5 1.0000 -.1398,(0)(28),P=.P=.461,X7 -.1398 1.0000,(28)(0),P=.461 P=.,(Coefficient/(D.F.)/2-tailed Significance),.is printed if a coefficient cannot be computed,结果说明,上表表明,课题总数与论文数的净相关系数呈现一种非常弱的负相关关系,与相关系数相差甚远;,原因是投入高职称人年数这个变量的影响,它不仅影响了课题总数,而且对论文数有决定性影响;,8.4,线性回归分析,回归分析是一种基本的并且应用非常广泛的数量分析方法;,它寻求事物(变量)之间的统计关系,侧重考察变量之间的数量变化规律,并通过回归方程的形式描述和反映这种关系;,回归可以分为线性回归和非线性回归两大类,其中线性回归是我们研究最多,应用也最广泛的方法。,8.4.1,回归分析概述,回归,就是研究两个变量或者两组变量之间的关系,也就是某一变量是另外一个变量或者一组变量的函数,回归就是试图找到这种关系,为预测的依据;,如果两个变量的关系是线性的关系,则称为线性回归,如果不是线性的关系,则成为非线性回归;,8.4.1.1,回归线和回归模型,利用样本数据获得回归线通常可采用两种方法:第一、局部平均方法,第二、函数拟合方法,局部平均:核心思想是找最接近的几个值做平均得到的值,然后再绘成一条线;,函数拟合:首先确定两个变量之间的函数关系,8.4.1.2,回归分析的一般步骤,确定回归方程的解释变量和被解释变量:那些是解释变量,哪个是被解释变量;,确定回归模型:线性模型还是非线性模型;,建立回归方程,估计回归的系数;,对回归方程进行各种检验;,利用回归方程进行预测;,8.4.2,线性回归模型,一元回归模型:只有一个解释变量(自变量)和一个被解释变量(响应变量);,模型要求的条件不要求掌握;,多元线性回归模型:多个解释变量和一个自变量,关系是线性关系;,8.4.3,线性回归模型参数估计,回归模型参数一般用最小二乘估计;,思想是要求用模型拟合出来响应变量的值和观测到的响应变量的值的差异最小,这种“差异”一般是用差的平方和来描述;,具体的估计公式不要求掌握;,8.4.4,回归方程的统计检验,拟合优度的检验:要检验的是数据在回归直线周围的分散程度,也就是直线能描述多少数据的信息;,回归方程显著性检验:检验的是响应变量的变化到底是有自变量引起的,还是随机因素引起的;,回归系数显著性检验:检验的是某个自变量对于响应变量来说是不是重要的;,8.4.5,多元回归分析中的其他问题,筛选变量的问题:,变量共线性的问题;,8.4.6,线性回归分析的基本操作,Analyze,菜单,Regression,Linear,如下窗口,1.,8.3.7,基本操作(续),Method:,8.4.8,应用举例,研究人文科学研究中立项课题数受那些因素影响,利用线性回归方法分析,31,个省市的数据;,被解释变量是立项课题数,解释变量有投入人年数、投入高级职称人年数、投入科研事业费、专著数、论文数、获奖数,表格说明,校正的回归平方系数为,0.924,,大于我们要求的,0.8,;,说明线性回归模型确实是恰当的,因为被解释变量的变化信息中有,92.4,被解释变量的变化说明,效果非常好;,表格说明,从方差分析的结果来看,模型是显著的,因为,F,值很大,而,p,值远小于显著性水平,0.05,,故模型是显著的;,说明被解释变量和解释变量之间确实存在线性的关系;,表格说明,但是从系数的显著性检验来看,效果并不是很理想,从结果上来看,除了投入人年数这个变量是显著的以外,其他变量都是不显著的;,从相关分析中我们得知,投入高职称人年数和课题数是密切相关的,而现在结果却是该变量不显著,唯一的解释就是可能存在共线性问题了;,表格说明,从上面表格中,我们可以进行共线性检测,从结果看,第七个变量能够解释投入人年数方差的,84,,解释投入高级职称人年数的,98,,还能解释专著数的,44,,因此,变量有较强的共线性;,条件数来看,第,5,、,6,、,7,个条件指数都大于,10,,说明确实存在共线性;,解决的方法是删除变量,进行逐步回归;,表格说明,从上面表格可知,通过六步完成回归方程的建立,最终模型为第六个模型,,虽然拟合优度下降了,但是重点我们考虑的变量对方程的贡献,拟合优度不是唯一的指标,最终保留的变量是投入人年数,其他变量对方程的贡献都不是显著的,因而被逐渐剔除了,
展开阅读全文