精选资料第三章 相关分析与回归模型的建立与分析 相关分析和回归分析是统计分析方法中最重要内容之一，是多元统计分析方法的基础相关分析和回归分析主要用于研究和分析变量之间的相关关系，在变量之间寻求合适的函数关系式，特别是线性表达式u 本章主要内容：1、 对变量之间的相关关系进行分析（Correlate）其中包括简单相关分析（Bivariate）和偏相关分析（Partial）2、 建立因变量和自变量之间回归模型（Regression），其中包括线性回归分析（Linear）和曲线估计（Curve Estimation）u 数据条件：参与分析的变量数据是数值型变量或有序变量§3.1 相关分析在SPSS中，可以通过Analyze菜单进行相关分析（Correlate），Correlate菜单如图3.1所示 图3.1 Correlate 相关分析菜单§3.1.1 简单相关分析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通过散点图直观地显示变量之间关系，二是通过相关系数准确地反映两变量的关系程度§3.1.1.1 散点图SPSS软件的绘图命令集中在Graphs菜单。
下面通过例题来介绍具体操作方法例1：数据库SY-8中的变量X表示山东省人均国内生产总值，Y表示山东省城镇居民的消费额（资料来源：山东省2003年统计年鉴），现画出散点图来观察两个变量的关联程度具体操作步骤如下：首先打开数据SY-8，然后单击Graphs ® Scatter,打开Scatter plot散点图对话框，如图3.2所示然后选择需要的散点图，图中的四个选项依次是：Simple 简单散点图 Matrix 矩阵散点图Overlay 重叠散点图 3-D 三维散点图 图3.2 散点图对话框如果只考虑两个变量，可选择简单的散点图Simple，然后点击Define，打开Simple Scatterplot对话框,如图3.3所示 图3.3 Simple Scatterplot对话框选择变量分别进入X轴和Y轴，点击OK后就可以得到散点图，见图3.4从下面输出的人均国内生产总值与城镇居民消费额的散点图3.4中可以粗略地看出，两个变量之间有强正相关的线性关系图3.4 散点图§3.1.1.2 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，主要是指对两变量之间的线性相关程度作出定量分析。
仍然数据SY-8为例，说明居民收入与某商品的销售量两变量的相关分析过程，具体操作如下：1、打开数据库SY-8后，单击Analyze ® Correlate® Bivariate 打开Bivariate对话框，见图3.5所示 图3.5 Bivariate：Correlation 两变量相关分析对话框2、从左边的变量框中选择需要考察的两个变量进入 Variables 框内，从Correlation Coefficients 栏内选择相关系数的种类，有Pearson相关系数，Kendall′s一致性系数和Spearman等级相关系数从检验栏内选择检验方式，有双尾检验和单尾检验两种 3、单击Options按纽，选择输出项和缺失值的处理方式本例中选择输出基本统计描述，见图3.6所示 图3.6 Bivariate Correlation：Options 对话框4、单击OK，可以得到相关分析的结果从表3.1（a）可以得到两个变量的基本统计描述，从表(b)中可以得到相关系数及对相关系数的检验结果，由于尾概率就小于0.01，故说明两变量之间存在着显著的线性相关性。
表3.1（a）基本统计描述 Descriptive Statistics MeanStd. DeviationN城镇居民消费额（元）2582.28002335.9638425人均国内生产总值（元）3689.88003701.5079825 表3.1（b）相关系数检验 Correlations 城镇居民消费额（元）人均国内生产总值（元）城镇居民消费额（元）Pearson Correlation1.998(**) Sig. (2-tailed)..000 N2525人均国内生产总值（元）Pearson Correlation.998(**)1 Sig. (2-tailed).000. N2525** Correlation is significant at the 0.01 level (2-tailed).从表3.1（b）中可以看到两个变量相关性分析的结果：相关系数是0.998，相关程度非常高，且假设检验的P值远远地小于0.05，可以认为居民收入与某产品的销量存性正相关关系。
§3.1.2 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它相关因素的影响，不能真实地反映二者之间的关系，所以需要考察在其它因素的影响剔除后二者之间的相关程度，即偏相关分析例2：为了考察火柴销售量的影响因素，选择煤气户数、卷烟销量、蚊香销量、打火石销量作为影响因素，得数据表3.2试求火柴销售量与煤气户数的偏相关系数.表3.2 火柴销量及影响因素表（见参考文献{1}）年份火柴销售量（万件）煤气户数（万户）卷烟销量（百箱）蚊香销量（十万盒）打火石销量（百万粒）6823.6925.6823.610.14.186924.125.7723.4213.312.437022.7425.8822.099.496.57117.8427.4321.4311.0925.787218.2729.9524.9614.4828.167320.2933.5328.3716.9724.267422.6137.3142.5720.1630.187526.7141.1645.1626.3917.087631.1945.7352.4627.047.397730.550.5945.323.083.887829.6358.8246.824.4610.537929.6965.2851.1133.8220.098029.2571.2553.2933.5721.228131.0573.3755.3639.5912.638232.2876.685448.4911.17解：根据数据表建立数据文件SY-9，求解火柴销售量与煤气户数的偏相关系数具体操作如下：1、首先打开数据文件SY-9，单击Analyze ® Correlate® Partial，打开Partial Correlations对话框，见图3.7所示。
图 3.7 Partial Correlations2、从左边框内选择要考察的两个变量进入Variables框内，其它客观存在的变量作为控制变量进入Controlling for 框内，如本例中考察煤气户数与火柴销量的偏相关系数进入Variables框内，其它相关变量（除年份外）进入Controlling for 框内3、单击Options按纽，打开Options 对话框如图3.8所示从 Statistics 栏中选择输出项，有平均值及标准差，Zero-order correlations 表示在输出偏相关系数的同时输出变量间的简单相关系数另外还有缺失值的处理方式本例中选择简单相关系数 图3.8 Partial Correlate: Options对话框4、选择结束后，单击OK得输出结果，如表3.3所示表3.3 偏相关分析输出表- - - 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 简单相关 火柴销量 煤气户数 打火石量 蚊香销量 卷烟销量火柴销量 1.0000 .8260 -.4902 .8083 .8788 (简单相关系数) ( 0) ( 13) ( 13) ( 13) ( 13) （自由度） P= . P= .000 P= .064 P= .000 P= .000 （P值）煤气户数 .8260 1.0000 -.0230 .9489 .9029 ( 13) ( 0) ( 13) ( 13) ( 13) P= .000 P= . P= .935 P= .000 P= .000打火石量 -.4902 -.0230 1.0000 -.0070 -.0295 ( 13) ( 13) ( 0) ( 13) ( 13) P= .064 P= .935 P= . P= .980 P= .917蚊香销量 .8083 .9489 -.0070 1.0000 .9030 ( 13) ( 13) ( 13) ( 0) ( 13) P= .000 P= .000 P= .980 P= . P= .000卷烟销量 .8788 .9029 -.0295 .9030 1.0000 ( 13) ( 13) ( 13) ( 13) ( 0) P= .000 P= .000 P= .917 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 。