spss相关分析和回归分析

定义变量：血红蛋白，贫血体征→Variables
20:41
16

建立数据文件：血红蛋 白的等级相关分析.sav.

定义变量 输入数据

开始分析

ቤተ መጻሕፍቲ ባይዱ
analyze →Correlate →Bivariate

定义变量：血 红蛋白，贫血 体征 →Variables
选择统计量： Correlation Coefficients →Spearman
20:41
34

主要结果
b Model Summary
Model 1
R .930a
R Sq uare .865
Adjusted R Sq uare .848
Std. Error of the Estimate 1.8528
a. Predictors: (Constant), 身 高 （ cm） b. Dependent Variable: 体 重 （ kg ）
表 4 慢性支气管炎患者各年龄组疗效观察结果 疗效 年龄(岁) 11～ 20～ 30～ 40～ 50～ 合计 治愈 35 32 17 15 10 109 显效 1 8 13 10 11 43 好转 1 9 12 8 23 53 无效 3 2 2 2 5 14 合计 40 51 44 35 49 219
17

20:41

主要结果
Correlations 血 红 蛋 白 含 量 （ g/dl） 1.000 . 10 -.741* .014 10 贫 血 体 征 -.741* .014 10 1.000 . 10
Spearman's rho
血 红 蛋 白 含 量 （ g/dl）

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

相关分析与回归分析一、试验目标与要求本试验项目的目的是学习并使用SPSS 软件进行相关分析和回归分析，具体包括：(1) 皮尔逊pearson 简单相关系数的计算与分析(2) 学会在SPSS 上实现一元及多元回归模型的计算与检验。

(3) 学会回归模型的散点图与样本方程图形。

(4) 学会对所计算结果进行统计分析说明。

(5) 要求试验前，了解回归分析的如下内容。

♦ 参数α、β的估计♦ 回归模型的检验方法：回归系数β的显著性检验（t －检验）；回归方程显著性检验（F －检验）。

二、试验原理1．相关分析的统计学原理相关分析使用某个指标来表明现象之间相互依存关系的密切程度。

用来测度简单线性相关关系的系数是Pearson 简单相关系数。

2．回归分析的统计学原理相关关系不等于因果关系，要明确因果关系必须借助于回归分析。

回归分析是研究两个变量或多个变量之间因果关系的统计方法。

其基本思想是，在相关分析的基础上，对具有相关关系的两个或多个变量之间数量变化的一般关系进行测定，确立一个合适的数据模型，以便从一个已知量推断另一个未知量。

回归分析的主要任务就是根据样本数据估计参数，建立回归模型，对参数和模型进行检验和判断，并进行预测等。

线性回归数学模型如下：i ik k i i i x x x y εββββ+++++= 22110在模型中，回归系数是未知的，可以在已有样本的基础上，使用最小二乘法对回归系数进行估计，得到如下的样本回归函数：iik k i i i e x x x y +++++=ββββˆˆˆˆ22110 回归模型中的参数估计出来之后，还必须对其进行检验。

如果通过检验发现模型有缺陷，则必须回到模型的设定阶段或参数估计阶段，重新选择被解释变量和解释变量及其函数形式，或者对数据进行加工整理之后再次估计参数。

回归模型的检验包括一级检验和二级检验。

一级检验又叫统计学检验，它是利用统计学的抽样理论来检验样本回归方程的可靠性，具体又可以分为拟和优度评价和显著性检验；二级检验又称为经济计量学检验，它是对线性回归模型的假定条件能否得到满足进行检验，具体包括序列相关检验、异方差检验等。

• 如果两变量的正相关性较强，它们秩的变化具有同步性，于
是
n
Di2
n
(Ui
Vi)2的值较小，r趋向于1；
• i1
i1
如果两变量的正相关性较弱，它们秩的变化不具有同步性，
于是
n
n
Di2 (Ui Vi)2
的值较大，r趋向于0；
• i1
i1
在小样本下，在零假设成立时， Spearman等级相关系数
用最小二乘法求解方程中的两个参数，得到：
1
(xi x)(yi y) (xi x)2
0 ybx
多元线性回归模型
多元线性回归方程： y=β0+β1x1+β2x2+.+βkxk
β1、β2、βk为偏回归系数。 β1表示在其他自变量保持不变的情况下，自变量x1变动
一个单位所引起的因变量y的平均变动。
析功能子命令Bivariate过程、Partial过程、 Distances过程，分别对应着相关分析、偏相关分析和相 似性测度（距离）的三个spss过程。
Bivariate过程用于进行两个或多个变量间的相关分 析，如为多个变量，给出两两相关的分析结果。
Partial过程，当进行相关分析的两个变量的取值都受 到其他变量的影响时，就可以利用偏相关分析对其他变量 进行控制，输出控制其他变量影响后的偏相关系数。
• 回归分析的一般步骤
确定回归方程中的解释变量（自变量）和被解释变量（ 因变量） 确定回归方程 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 一元线性回归模型的数学模型：
y0 1x
其中x为自变量；y为因变量； 0 为截距，即
常量； 1 为回归系数，表明自变量对因变量的影