SPSS软件的统计应用(第六讲)

《SPSS软件的统计应用(第六讲)》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、SPSS软件的统计应用第六讲相关测量法及回归分析第六讲相关测量法及回归分析相关的概念相关（association）：一个变项的值与另一个变项的值存在连代性。相关程度（degreeofassociation）：大多数的统计法以0代表无相关，以1代表全相关。介于0与1之间的数值如果愈大，就表示相关的程度愈强。相关方向（directionofassociation）：正相关值一个变项的值增加时，另一变项也增加；负相关值一个变项的值增加时另一变项的值却减少。第六讲相关测量法及回归分析相关系数（coefficientofassociation）相关系数：表示变项与变项之间关系的一个统计值，数值在-

2、1与1之间。选择相关系数首先要注意变项的测量层次，不同测量层次的变项就要用不同的相关测量法；第二个标准就是考察变项之间的对称性，最后还要考察统计值的意义，最好采用具有消减误差比例意义（proportionatereductioninerror，PRE）的相关系数。第六讲相关测量法及回归分析社会研究中常用的相关系数对称不对称两个名称变量Lambda（λ系数）Lambda（λy系数）和Goodman和Somers的tau-y系数两个定序变量Goodman和Kruskal的Gamma系数Somers的dy系数两个定距变量（直线关系）皮尔逊积矩相关系数r，r2具有PRE意义。回归系数b定类与定距

3、相关比率（E2）（非线性关系）定类与定序Lambda（λ系数）Lambda（λy系数）和tau-y定序和定距相关比率（E2）（非线性关系）第六讲相关测量法及回归分析其他常用的相关系数两个定序变量的相关测量Kendall系数（适用于分析对称关系，但不具有PRE意义）包括三种形式：tau-a,tau-b,tau-c（社会学研究中最常用）。Spearman的rho系数（适用于分析对称关系，但不具有PRE意义）第六讲相关测量法及回归分析相关程度相关系数的正负号只表示相关的方向，绝对值表示相关的程度。因为相关系数不是等单位的度量，因而不能说相关系数0.7是0.35两倍，只能说相关系数为0.7的二列

4、变量相关程度比相关系数为0.35的二列变量相关程度更为密切和更高。也不能说相关系数从0.70到0.80与相关系数从0.30到0.40增加的程度一样大。相关系数相关程度0-0.30微相关0.30-0.50实相关0.50-0.80显著相关0.80-1高度相关第六讲相关测量法及回归分析相关系数的SPSS操作通过Crosstabs测量两个变量的相关关系打开Analyze/DescriptiveStatistics/Crosstabs命令。把要分析的变项分别选入rows（列）和columns（行）点击下方的Statistics按钮，选择Correlation复选框，并在下方选择适合变量测量层次的相

5、关系数类型。点击OK，即可出现结果。第六讲相关测量法及回归分析相关系数的SPSS操作通过Correlate命令测量相关系数打开Analyze/Correlate/Bivariate命令把要分析的两个变量选进右边的框中在下方选择适合的相关测量法点击OK可以出现结果第六讲相关测量法及回归分析相关系数的SPSS操作通过Regression命令计算b值点击Analyze/Regression/Linear命令把自变量和因变量分别选进Independent和Dependent框中。点击OK即可出现结果。第六讲相关测量法及回归分析回归分析回归分析是统计分析中，分析两个或两个以上关系的相互变化统计方法

6、的主要工具。回归分析可经过另外一个变量的数值或另外多个变量以上的数值来加以分析预测。第六讲相关测量法及回归分析几个概念解释逐步多元回归（Stepwiseregression）多元回归分析研究多个变量之间关系的回归分析方法,按因变量和自变量的数量对应关系可划分为一个因变量对多个自变量的回归分析(简称为“一对多”回归分析)及多个因变量对多个自变量的回归分析(简称为“多对多”回归分析),按回归模型类型可划分为线性回归分析和非线性回归分析。第六讲相关测量法及回归分析几个概念解释逐步回归：在建立多元回归方程的过程中，按偏相关系数的大小次序将自变量逐个引入方程，对引入方程中的每个自变量偏相关系数进行

7、统计检验，效应显著的自变量留在回归方程内，循此继续遴选下一个自变量。如果效应不显著，停止引入新自变量。由于新自变量的引入，原已引入方程中的自变量由于变量之间的相互作用其效应有可能变得不显著者，经统计检验确证后要随时从方程中剔除，只保留效应显著的自变量。直至不再引入和剔除自变量为止，从而得到最优的回归方程。第六讲相关测量法及回归分析几个概念解释残差（residual）所谓残差是指实际观察值与回归估计值的差。显然，有多少对数据，就有多少