第7章相关与回归分析

四、偏相关分析
（一） 偏相关分析和偏相关系数 偏相关分析也称净相关分析，它在控制其他变量 的线性影响的条件下分析两变量间的线性相关性， 所采用的工具是偏相关系数（净相关系数）。

偏相关分析的主要用途是根据观测资料应用偏相 关分析计算偏相关系数，可以判断哪些解释变量对 被解释变量的影响较大，而选择作为必须考虑的解 释变量。这样在计算多元回归分析时，只要保留起 主要作用的解释变量，用较少的解释变量描述被解 释变量的平均变动量。
(7.7)

偏相关系数的取值范围及大小含义与相关系数相 同。
2、对样本来自的两总体是否存在显著的偏相关 进行推断。
（1）提出原假设：两总体的偏相关系数与零无显 著差异。
（2）选择检验统计量。偏相关系数的检验统计量 为 t 统计量。 （3）计算检验统计量的观测值和相伴概率 p 。
（4）给定显著性水平 ，并作出决策。如果相 伴概率值小于或等于给定的显著性水平，则拒绝 原假设；如果相伴概率值大于给定的显著性水平， 则不能拒绝原假设。

（二）偏相关系数在SPSS中的实现

1、建立或打开数据文件后，进入Analyze→ Correlate →Partial主对话框，如图7-6所示。
图7-6 偏相关分析主对话框
2、选择分析变量送入Valiables框，选择控制变
量进入Controlling for框。
3、在Test of Significance 栏中选择输出偏相
图7-7 偏相关分析的选项对话框
（1）Statistics 统计量选择项，有两个选项： ①
Means and standard deviations 复选项，要求
SPSSZero-order correlations 复选项，要求显示零阶

第七章相关与回归分析学习内容一、变量间的相关关系二、一元线性回归三、线性回归方程拟合优度的测定学习目标1. 掌握相关系数的含义、计算方法和应用2. 掌握一元线性回归的基本原理和参数的最小二3. 掌握回归方程的显著性检验4. 利用回归方程进行预测5. 了解可化为线性回归的曲线回归6. 用Excel 进行回归分析一、变量间的相关关系1. 变量间的关系（函数关系）1)是一一对应的确定关系。

2)设有两个变量x和y，变量y 随变量x一起变化，并完全依赖于x，当变量x 取某个数值时，y依确定的关系取相应的值，则称y 是x的函数，记为y = f (x)，其中x 称为自变量，y 称为因变量。

3)各观测点落在一条线上。

4）函数关系的例子–某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = p x (p 为单价)。

–圆的面积(S)与半径之间的关系可表示为S = π R2。

–企业的原材料消耗额(y)与产量x1、单位产量消耗x2、原材料价格x3间的关系可表示为y =x1 x2 x3。

单选题下面的函数关系是（）A、销售人员测验成绩与销售额大小的关系B、圆周的长度决定于它的半径C、家庭的收入和消费的关系D、数学成绩与统计学成绩的关系2. 变量间的关系（相关关系）1)变量间关系不能用函数关系精确表达。

2)一个变量的取值不能由另一个变量唯一确定。

3)当变量 x 取某个值时，变量 y 的取值可能有几个。

4)各观测点分布在直线周围。

5）相关关系的例子–商品的消费量(y)与居民收入(x)之间的关系。

–商品销售额(y)与广告费支出(x)之间的关系。

–粮食亩产量(y)与施肥量(x1)、降雨量(x2)、温度 (x3)之间的关系。

–收入水平(y)与受教育程度(x)之间的关系。

–父亲身高(y)与子女身高(x)之间的关系。

3. 相关图表1)相关表：将具有相关关系的原始数据，按某一顺序平行排列在一张表上，以观察它们之间的相互关系。

2)相关图：也称为分布图或散点图，它是在平面直角坐标中把相关关系的原始数据用点描绘出来，通常以直角坐标轴的横轴代表自变量x，纵轴代表因变量y。

（四）按变量之间的相关程度分为完全相关、不完全相 关和不相关。
二、相关关系的测定
（一）定性分析，相关表，相关图 判断现象间有无相关关系是一个定性认 识问题，单纯依靠数学方法是无法解决的。 因此，进行相关分析必须以定性分析为前 提，这就要求研究人员首先必须根据有关 经济理论，专业知识，实际经验和分析研 究能力等。对被研究现象在性质上作出定 性判断。 相关表是将相关变量的观察资料，按照 其对应关系和一定顺序排列而成的表格。
Se
y
2
a y b xy n2
(7－ 12)
这个公式可以直接利用前面计算回归系 数和相关系数的现成资料。以表7－1的资 料计算如下：
Se y 2 a y b xy n2 56615-30.3 731-28.36 1213 10 2 65.02 8 2.85 (万件）
2
或
y- y R＝ 1－ 2 y y



ˆ 式中，y 为y的多元线性趋势值或回归估计值。
若变量间呈曲线（非直线）相关，则应
计算相关指数来测定变量间相关的密切程度。
ˆ y y y y
2 2
Ryx
( 7－7）
R
ˆ y y
由表7－4资料计算相关系数如下：
r
n xy x y n x x
2 2
n y y
2 2
2
10 1213－15.1 731
2
10 26.25－15.1 10 56615－731 1091.9 1091.9 38.49 31789 6.2 178.3 1091.9 0.988 1105.5

第七章相关与回归分析【例】有10个企业生产某种产品，月产量和生产费用的数据如表所示：10个企业月产量和生产费用数据要求：（1）进行相关性分析；（2）建立一元线性回归方程；（3）对一元线性回归方程进行统计学检验。

【解】第一步：画散点图。

打开数据文件data07-1.sav，选择Graphs→Legacy Dialogs→Scatter/Dot→Simple Scatter→Define→将月产量和生产费用两个变量分别送入x轴框中和y轴框中→Ok，结果如图所示：由图可看出：10个企业的月产量和生产费用之间大致呈一条直线，两者之间可建立一元线性回归模型。

第二步：计算相关系数。

打开数据文件data07-1.sav，选择Analyze→Correalate→Bivariate→将月产量和生产费用两个变量送入Variables框中→Ok，输出结果如表所示：月产量和生产费用之间的相关分析表由表7-2可看出：10个企业的月产量和生产费用之间的单相关系数为0.983，说明两者之间呈高度正相关关系，可建立一元线性回归模型。

第三步：建立一元线性回归模型。

打开数据文件data07-1.sav，选择Analyze →Regression→Linear→将月产量和生产费用两个变量分别送入Independent 框中和Dependent框中→Ok，得到回归估计的结果。

Spss软件得到的回归估计的结果主要包括回归估计、方差分析和回归系数估计三个部分，具体如表7-3、7-4、7-5所示：从输出的回归系数估计表中的Coefficient 可以得到估计的常数项为53.434，估计的斜率为12.299，即估计的一元线性回归方程为：ˆ53.43412.299yx =+ （1） 判定系数为20.966R =； （2） 一元回归方程的显著性检验224.672F = F ＞0.05(1,8) 5.32F = 回归方程显著（3） 回归系数的显著性检验 0.05214.989(8) 2.306t t β=>= 回归系数显著 这说明所建立的一元线性回归方程在0.05的显著性水平下通过了统计学检验，统计学检验即拟合优度检验、t 检验和F 检验，也说明所建立的回归方程比较好。