spss经济学应用教程(PPT260).ppt

实例：高校科研研究.sav（相关系数） 结果分析： 结果分析： 由前表可知：立项课题总数与投入高级职称的人年数间的简单相关系数为0.994，与论文数间的简单相关系数为0.887。它们的概率P值都小于显著性水平α，应拒绝零假设，认为两总体之间存在线性相关关系。 (二)偏相关分析 偏相关分析是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，所采用的工具是偏相关系数。 菜单：Analyze Correlate Partial 实例：高校科研研究.sav，研究高等院校人文社 科研究中立项课题数受影响的因素及与因 素间的关系。 实例：高校科研研究.sav（偏相关分析） 自回归拟合效果图 （六）ARIMA模型分析 自回归与移动平均的结合 用于平稳序列或通过差分而平稳的序列分析 菜单：Analyze Time Series ARIMA 案例：我国激光唱机出口.sav 我国激光唱机出口相关图 激光唱机出口量一阶差分 激光唱机出口量一阶差分结果 激光唱机出口量一阶差分序列图 激光唱机出口量一阶差分相关图 激光唱机出口量ARIAM分析 结果分析： 从表看出，各因素的系数显著性较差，可作进一步模 型调整。 激光唱机出口量ARIAM分析（调整） 结果分析： 从表看出，调整后各因素的系数通过显著检验，该模型 可用于预测。 激光唱机出口量MRIMA预测 激光唱机出口量MRIMA预测结果 （七）季节调整法 对时间序列的周期性进行识别和分解。 季节模型通常由季节指数构成，它们能够刻画出现 象在一个周期内各时段的典型数量特征。 菜单：Analyze Time Series Seasonal Decomposition 案例：鲜苹果出口.sav， 案例：鲜苹果出口.sav（序列图） 由图看出，该序列存在明显周期性特征。 序列存在上升趋势，提示引入趋势因素。 序列上下波动幅度有逐年增大的趋势，提示可采用乘法模型。 案例：鲜苹果出口.sav（季节分析） 分析结果：详细 分析结果：简略 生成误差项、长期趋势、季节指数、循环波动 季节指数线图 五、SPSS在相关与回归分析中的应用 相关分析 偏相关分析 回归分析 曲线估计 (一)相关分析 1、散点图 是根据原始数据，在直角坐标中绘制出两个变量相对应的观察值的所有点，从这些点的分布情况观察分析两个变量间的关系，这个图也称为相关图。 菜单：Graphs Scatter 实例：高校科研研究.sav，研究高等院校人文社科研究中立项课题数受影响的因素及与因素间的关系。 实例：高校科研研究.sav（散点图） 结果分析： 散点图表明，立项课题数、投入具有高级职称的人年数以及论文数之间都有较强的线性相关关系。 (一)相关分析 2、相关系数 相关系数是说明两个变量之间有无直线相关关系及相关关系密切程度的统计指标。 菜单：Analyze Correlate Bivariate 实例：高校科研研究.sav，研究高等院校人文社科研 究中立项课题数受影响的因素及与因素间的关 系。 交互图 多重比较检验 不同广告形式在不同地区销售额均值 结果分析： 结论：由于Fx1，FX2的概率p值小于显著性水平α，因此拒绝零假设，可以认为不同广告形式和不同地区下的销售额总体均值存在显著差异。 四、SPSS在时间序列分析中的应用 时间序列分析的数据准备 时间序列的图形化观察及检验 时间序列的预处理 时间序列的简单回归分析法 时间序列的趋势外推法 指数平滑法 自回归法 ARIMA模型分析 季节调整法 （一）时间序列分析的数据准备 指明时间序列每个数据所对应的时间点或时间段，以及整个数据所对应的期间。 菜单：Data Define Dates 案例：煤炭及成品油出口.sav 案例：煤炭及成品油出口.sav(数据处理） 定义结果： （二）时间序列的图形化观察及检验 掌握时间序列的发展趋势、波动幅度的变化规律、是否存在异常点、不同时间点上数据的关系等。 菜单：1、序列图 Graph Sequence 2、自相关函数图和偏相关函数图 Graph Time Seri