SPSS第四讲课件.pptVIP

SPSS第四讲;Analyze子菜单;第一节 相关分析;相关系数的计算有三种： Pearson、Spearman和Kendall Pearson相关系数：对定距变量的数据进行计算 Spearman和Kendall相关系数：对分类变量的数据或变量值的分布明显非正态或分布不明时，计算时先对离散数据进行排序或对定距变量值排（求）秩;（三）相关分析的SPSS过程 在Analyze+Correlate下的三个子菜单： 1、Bivariate--相关分析，计算指定的两个变量间的相关关系，可选择Pearson相关、Spearman和Kendall 相关；同时对相关系数进行检验，检验的零假设为：相关系数为0（不相关）。给出相关系数为0的概率 2、Partial -- 偏相关分析，计算两个变量间在控制了其他变量的影响下的相关关系，对相关系数也进行检验，检验的零假设为：相关系数为0 3、Distance-- 相似性测度，对变量或观测量进行相似性或不相似性测度;二、Bivariate过程 ;[例]某地区10名健康儿童头发和全血中的硒含量（1000ppm）如下，试作发硒与血硒的相关分析。 ;数据准备 激活数据管理窗口，定义变量名：发硒为X，血硒为Y，按顺序输入相应数值，建立数据库;绘图;统计分析 激活Analyze菜单选Correlate中的Bivariate...命令项，弹出Bivariate Correlation对话框。在对话框左侧的变量列表中选x、y，点击?钮使之进入Variables框；再在Correlation Coefficients框中选择相关系数的类型，共有三种：Pearson为通常所指的相关系数（r），Kendell’s tau-b为非参数资料的相关系数，Spearman为非正态分布资料的Pearson相关系数替代值，本例选用Pearson项；在Test of Significance框中可选相关系数的单侧（One-tailed）或双侧（Two-tailed）检验，本例选双侧检验。;相关系数的类型;难绸膜炒脏剿摆填咨状琅宰介永涉瀑擞栅立莽蒂苟钻晃茸厚水冬茄逆佃撇SPSS第四讲课件SPSS第四讲课件;Correlations;三、Partial过程 ;编号;; 统计分析 　激活Analyze菜单选Correlate中的Partial...命令项，弹出Partial Correlations对话框。现欲在控制体重的影响下对变量身高与肺活量进行偏相关分析，故在对话框左侧的变量列表中选变量height、vc，点击?钮使之进入Variables框，选要控制的变量weight，点击?钮使之进入Controlling for框中, 在Test of Significance框中选双侧检验，然后点击OK钮即可。;控制变量列表;走唯屏锣请颖鞋茫岩把某皆句鲤它隋砚厦囚街淖陡纫倾艇揍馒屉敬婉遮字SPSS第四讲课件SPSS第四讲课件;Partial Corr;结果比较 控制体重的影响后，身高与肺活量的相关系数为0.269，经检验P = 0.167，故身高与肺活量的线性相关不存在。 如果不控制体重的影响，则身高与肺活量的相关系数为0.5884，P为0.001。 可见身高与肺活量的相关是由与体重协同作用而产生的。;问题的解决;一、预备知识 （一）概念 寻求有关联（相关）的变量之间的关系 主要内容： 从一组样本数据出发，确定这些变量间的定量关系式 对这些关系式的可信度进行各种统计检验 从影响某一变量的诸多变量中，判断哪些变量的影响显著，哪些不显著 利用求得的关系式进行预测和控制;（二）回归分析的模型 按是否线性分：线性回归模型和非线性回归模型 按自变量个数分：简单的一元回归，多元回归 基本的步骤：利用SPSS得到模型关系式，是否是我们所要的，要看回归方程的显著性检验（F检验）和回归系数b的显著性检验(T检验)，还要看拟合程度R2 (相关系数的平方，一元回归用R Square，多元回归用Adjusted R Square);Analyze子菜单;（三）回归分析的过程 在回归过程中包括： Linear：线性回归 Curve Estimation：曲线估计 Binary Logistic： 二分变量逻辑回归 Multinomial Logistic：多分变量逻辑回归 Ordinal 序回归 Probit：概率单位回归 Nonlinear：非线性回归 Weight Estimation：加权估计 2-Stage Least squares：二段最小平方法 Optimal Scaling 最优编码回归 我们只讲前面2个简单的（一般教科书的讲法）;二、Linear过程 ;儿童编号;;铸渍罢靡叫