spss授課-第八章第8章SPSS相關(guān)分析和回

第8SPSS的相關(guān)分析和回制作人 主要內(nèi)容概述相關(guān)分析主要是分析變量之間的關(guān)系以及強(qiáng)弱程度； 線性回歸分析介紹是建立變量間的線性關(guān)二項(xiàng)回歸8.1相關(guān)相關(guān)特點(diǎn)之一是一個(gè)變量值有另一個(gè)變量的值確定；概相關(guān)散點(diǎn)8.2.1.2繪制散點(diǎn)圖的基本操Graphs菜Graphs菜如如下窗8.2.1.2繪制散點(diǎn)圖的基本操Simple指定縱軸變量，選入YAxis框中指定橫軸變量，選入XAxis框中把可作為分組的變量選入SetMarkersby框把標(biāo)記變量選入Labelby框中8.2.1.2繪制散點(diǎn)圖的基本操散點(diǎn)圖，多對(duì)變量的統(tǒng)計(jì)關(guān)系散點(diǎn)圖把已標(biāo)記的變量選入Labelby框矩陣散點(diǎn)相關(guān)樣本相關(guān)函數(shù)以數(shù)值的方式精確反映兩變量相關(guān)關(guān)系的強(qiáng)弱；介于正負(fù)1大于0表示正相關(guān)，小于0絕對(duì)值大于0.8表示有較強(qiáng)線性關(guān)系，故國絕對(duì)值小于0.3，說明線性關(guān)系較弱；8.2.2相關(guān)行檢驗(yàn)和相應(yīng)統(tǒng)計(jì)Pearson簡單相關(guān)函數(shù)SpearmanKendallT相關(guān)系數(shù)8.2.1.2計(jì)算yze菜yze菜如如下窗8.2.1.2基本操作（續(xù)TestVariablOKPaste>PasteResetCancleResetCancle

HelpKendall'stau-Kendall'stau-TestofOptions...Two OneOptions...8.2.3相關(guān)分析應(yīng)用舉題數(shù)是否與投入具有高人數(shù)。論繪制散點(diǎn)課題總投入高 的人年數(shù)計(jì)算投入高級(jí)稱的人年課題總數(shù)數(shù)投入高級(jí)的人年數(shù)PearsonSig.(2-tailed)1.944*.313131課題總數(shù)PearsonCorrelationSig.(2-tailed)N.944*1.313131數(shù)Pearson.953*.887*1Sig.(2-.N313131

Correlationissignificantatthe0.01level(2-結(jié)果 偏相關(guān)分相關(guān)系數(shù)未必是兩事物線性關(guān)系強(qiáng)弱的體現(xiàn)，有夸大的趨勢；步驟計(jì)算進(jìn)行推8.3.2偏相關(guān)分析的基本操yze菜yze菜如如下窗8.3.2基本操作（續(xù)OKVariables:OK>Paste>PasteResetResetCancleControllingCancle>Help>HelpTestofTwo OneOptions...DisplayactualsignificanceOptions...8.3.2偏相關(guān)分析的基本操作（續(xù)將待分析的變量選入Variable框中選擇一個(gè)或者多個(gè)變量到Controllingfor框中Zero-orderCorrelation，表示輸出零階偏相8.3.2偏相關(guān)分析應(yīng)用舉數(shù)P=P=P=P=P=P=P=P=P=P=偏相關(guān)函-P=P=-P=P=結(jié)果線性重變量之間的數(shù)量變化規(guī)律，并通過回歸回歸線和回歸模局部平均：思想是找最接近的幾個(gè)值做函數(shù)擬合：首先確定兩個(gè)變量之間的函數(shù)關(guān)系回歸確定回歸模型：線性模型還是非線性模型建立回歸方程，估計(jì)回歸的系數(shù)利用回歸方線性線性回歸方程的統(tǒng)計(jì)檢多元存在多個(gè)自變量時(shí)要盡量選擇不同方面的變量線性yze菜yze菜如如下窗8.3.7基本操作（續(xù)OKDependent:OK>Independent:

PasteReset>Cancle>HelpHelpSelectionVaLableVariabWLS>>

Ststistics...

Plots...

Save...

Options...應(yīng)用 ModelRRRStd.Errorofthe1231.5255PredictorsConstant獲獎(jiǎng)數(shù)投入科研事業(yè)費(fèi)百元）, 數(shù),專著數(shù),投入人年數(shù),投入高級(jí)職稱的人年數(shù)表格aPredictorsConstant獲獎(jiǎng)數(shù)投入科研事業(yè)費(fèi)（百元）數(shù),專著數(shù)投入人年數(shù),投入高 的人年.SumofdfMeanF 63298385.48012864972430表格

BStd.t1--投入人年數(shù)投入高級(jí)的人年數(shù)---投入科研事業(yè)費(fèi)（）專著數(shù)獲獎(jiǎng)數(shù)

2.943E-2.238E--6.35E-

-

-

表格CollinearityCollinearityaDependentVariableVariance投入人年投入高級(jí)稱的人年投入科研事業(yè)費(fèi)百元專著數(shù)獲獎(jiǎng)112347.342E-52.833E-61.389E-71.775E-表格從上面表格中，我們可以進(jìn)行共線性檢測，從結(jié)果看，第七個(gè)變量能夠解釋投入人年數(shù)方差的84％，解釋投入高級(jí) 人年數(shù)的98％，還能解釋專著數(shù)的44％，因此，變量有較強(qiáng)的共線性；ModelRRRSquareStd.Errorofthe1231.52552226.86443226.58204232.08335234.86946241.9582PredictorsConstant獲獎(jiǎng)數(shù)投入科研事業(yè)費(fèi)（百元）數(shù),專著數(shù),投入人年數(shù),投入高 的人年P(guān)redictorsConstant獲獎(jiǎng)數(shù)投入科研事業(yè)費(fèi)（百元）數(shù),投入人年數(shù),投入高 的人年P(guān)redictorsConstant獲獎(jiǎng)數(shù)投入科研事業(yè)費(fèi)（百元）數(shù),投入人年 數(shù),投入人年 數(shù),投入人年數(shù)表格SumofdfF163298385.48012864972430253958024.75312866862530344935496.32813348252630436540839.53614542912730529766114.116154458228306119379040.016977702930Predictors:(Constant),獲獎(jiǎng)數(shù),投入科研事業(yè)費(fèi)（百元） 數(shù),專著數(shù)投入人年數(shù),投入高 的人年P(guān)redictors:(Constant),獲獎(jiǎng)數(shù),投入科研事業(yè)費(fèi)（百元）, 數(shù),投入人年數(shù),投入高級(jí) 的人年數(shù)Predictors:(Constant),獲獎(jiǎng)數(shù),投入科研事業(yè)費(fèi)（百元）, 數(shù),投入人年數(shù) 數(shù),投入人年 數(shù)投入人年數(shù)PredictorsConstantDVariance投入人年數(shù)投入