spss数据分析入门教程 10种数据分析方法( 二 )

相关或回归分析的数据条件：参与分析的变量数据是数值型变量或有序变量。
1 相关方析 (Correlate)
两个变量之间的相关关系称简单相关关系。有两种方法可以反映简单相关关系，一是散点图，可直观地显示变量之间的关系，二是相关系数，可准确地反映两变量的相关程度。
1.1 简单相关分析
简单相关分析操作：简单相关分析是指两个变量之间的相关分析，主要指对两变量之间的线性相关程度做出定量分析。
例3.6（简单双变量）：调查了29人身高、体重和肺活量的数据见下表，试分析这三者之间的相互关系。
（1）建立数据文件“学生生理数据.sav” 。
（2）选择“分析” →“相关” →“双变量”，打开双变量相关分析对话框。
（3）选择分析变量：将“身高”、“体重”和“肺活量”分别移入分析变量框中。
（4）选择相关分析方法：在相关系数栏有三种相关系数，分别对应三种方法，供使用者选择。
（5）显著性检验：双侧检验、单侧检验。
（6）“标记显著性检验”复选项：选中该复选项，输出结果中在相关系数右上角用“*”表示显著性水平为5%，用“**”表示显著水平为1% 。
（7）“选项”对话框：本例在统计时项选择“均值和标准差”，在缺失值选项选择默认，即“按对排除个案” 。
1.2 偏相关分析
简单相关关系只反映两个变量之间的关系，但如果因变量受到多个因素的影响时，因变量与某一自变量之间的简单相关关系显然受到其他相关因素的影响，不能真实地反映二者之间的关系，所以需要考察在其他因素的影响剔除后二者之间的相关程度，即偏相关分折。
2 线性回归分析(Regression)
线性回归是统计分析方法小最常用的方法之一。如果所研究的现象有若干个影响因素，且这些因素对现象的综合影响是线性的，则可以使用线件回归的方法建立现象(因变量)与影响因素(自变量)之间的线性函数关系式。
2.1线性回归模型假设条件与模型的各种检验
1．回归系数的检验(T检验)；
2．回归方程的检验(F检验)；
3．拟合程度判定(可决系数R2)；
4．D．W检验(残差项是否自相关)；
5．共线性检验(多元线性回归) 。
6．残差图示分析(判断残差序列异方差性和自相关) 。
2.2线性回归分析的具体步骤
例3.10：考察中国居民收入与消费支出的关系。数据文件名称“居民消费水平.sav” 。变量说明：GDPP：人均国内生产总值 CONSP：人均居民消费
（1）建立数据文件“居民消费水平.sav” 。
（2）选择“分析” →“回归” →“线性”，打开线性回归分析对话框。
（3）选择因变量和自变量：将人均居民消费“CONSP” 移入因变量框中；（4）在线性回归窗口中点击“统计量”，打开线性回归统计量窗口，对统计量进行设置。
（5）在线性回归窗口中点击“绘制”，打开、“线性回归：图” 窗口，选择绘制标准化残差图，其中的正态概率图是rankit图。同时还需要画出残差图，Y轴选择：ZRESID，X轴选择: ZPRED 。
【spss数据分析入门教程 10种数据分析方法】（6）在线性回归窗口中点击“选项”，打开、“线性回归：选项” 窗口。
◆ 步进方法标准单选钮组：设置纳入和排除标准，可按P值或F值来设置；
◆ 在等式中包含常量复选框：用于决定是否在模型中包括常数项，默认选中。
3 曲线估计(Curve Estimation)
上节介绍了线性回归模型的分析和检验方法。如果某对变量数据的散点图不是直线，而是某种曲线的形式时，可以利用曲线估计的方法为数据寻求一条合适的曲线，也可用变量代换的方法将曲线方程变为直线方程。用线性回归模型进行分析和预测。
三时间序列分析
由于反映社会经济现象的大多数数据是按照时间顺序记录的，所以时间序列分析是研究社会经济现象的指标随时间变化的统计规律性的统计方法。为了研究事物在不同时间的发展状况，就要分析其随时间的推移的发展趋势，预测事物在未来时间的数量变化。
主要内容：
1．时间序列的线图、自相关图和偏自关系图；
2．SPSS软件的时间序列的分析方法——季节变动分析。
四非参数检验
前面进行的假设检验和方差分析，大都是在数据服从正态分布或近似地服从正态分布的条件下进行的。但是如果总体的分布未知，进行总体参数的检验，或者检验总体服从一个指定的分布，都可以归结为非参数检验方法。非参数检验包括下列内容：

spss数据分析入门教程 10种数据分析方法( 二 )

推荐阅读

法国香水茉莉的养殖方法和注意事项

探寻桔梗花的花语与图片，带给你不一样的秋日浪漫橙色的秋天，这朵花的花语让你心驰神往

固始特产

蝉的由来

冯兰洲简介

面部松弛下垂怎么办

梦到自己的孩子生病了是什么意思

如何制作一款漂亮的的腰带

赠医师葛某序翻译节选赠医师葛某序节选翻译

非洲茉莉在室内怎么养