文档介绍：会计学
1
SPSS的相关分析和线性回归分析
本章内容
相关分析和回归分析概述
相关分析
偏相关分析
线性回归分析
曲线估计
第1页/共70页
相关分析和回归分析概述
客观事物之间的关系大致可归纳为两大类，即
函数关系：指两事物之间的一种一一对应的关系，如商品的销售额和销售量之间的关系。
相关关系（统计关系）：指两事物之间的一种非一一对应的关系，例如家庭收入和支出、子女身高和父母身高之间的关系等。相关关系又分为线性相关和非线性相关。
相关分析和回归分析都是分析客观事物之间相关关系的数量分析方法。
第2页/共70页
相关分析
相关分析通过图形和数值两种方式，有效地
揭示事物之间相关关系的强弱程度和形式。
散点图
它将数据以点的形式画在直角坐标系上，
通过观察散点图能够直观的发现变量间的相关关系
及他们的强弱程度和方向。
第3页/共70页
简单散点图：表示一对变量间统计关系的散点图。
重叠散点图：表示多对变量间统计关系的散点图。
矩阵散点图：以方形矩阵的形式在多个坐标轴上分
别显示多对变量间的统计关系。
以3*3矩阵散点图为例。
三维散点图：以立体图的形式展现三对变量间
的统计关系。
5
第4页/共70页
相关系数
利用相关系数进行变量间线性关系的分析通常需要完成以下两个步骤：
第一，计算样本相关系数r；
相关系数r的取值在-1～+1之间
r>0表示两变量存在正的线性相关关系；r<0表示两变量存在负的线性相关关系
r＝1表示两变量存在完全正相关；r＝-1表示两变量存在完全负相关；r＝0表示两变量不相关
|r|>； |r|<
第二，对样本来自的两总体是否存在显著的线性关系进行推断。
第5页/共70页
对不同类型的变量应采用不同的相关系数来度量，常用的相关系数主要有Pearson简单相关系数、Spearman等级相关系数和Kendall 相关系数等。
Pearson简单相关系数（适用于两个变量都是数值型的数据）
Pearson简单相关系数的检验统计量为：
第6页/共70页
Spearman等级相关系数
Spearman等级相关系数用来度量定序变量间的线性相关关系，设计思想与Pearson简单相关系数相同，只是数据为非定距的，故计算时并不直接采用原始数据 ，而是利用数据的秩，用两变量的秩 代替 代入Pearson简单相关系数计算公式中，于是其中的 和 的取值范围被限制在1和n之间，且可被简化为：
第7页/共70页
如果两变量的正相关性较强，它们秩的变化具有同步性，于是 的值较小，r趋向于1；
如果两变量的正相关性较弱，它们秩的变化不具有同步性，于是 的值较大，r趋向于0；
在小样本下，在零假设成立时， Spearman等级相关系数服从Spearman分布；在大样本下， Spearman等级相关系数的检验统计量为Z统计量，定义为：
Z统计量近似服从标准正态分布。
第8页/共70页
Kendall 相关
Kendall 相关采用非参数方法用来度量定序变量间的线
性相关关系。它利用变量秩数据计算一致对数目和非一致对数
目。
例：两变量的秩对为（2，3）、（4，4）、（3，1）、
（5，5）、（1，2），对变量x 的秩按升序排序后形成的秩
对为（1，2）、 （2，3）、（3，1）、（4，4）、（5，
5）。一致对数目定义为 ，非一致对数目定义为
10
第9页/共70页