文档介绍：第9章 spss的相关分析和线性回归分析
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。
本章主要内容：
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）。
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）。
数据条件：参与分析的变量数据是数值型变量或有序变量。
本章内容
相关分析
偏相关分析
线性回归分析
曲线估计
二项Logistic回归
相关分析用于测量了解变量之间的密切程度。如：教育事业的发展与科学技术的发展存在着一定的关系，学生的数学成绩与物理成绩存在着一定的关系，相关分析就是要分析这种密切程度。
相关类型：
1、直线相关：两变量呈线性共同增大，或一增一减。
2、曲线相关：两变量存在相关趋势，但非线性。此时若进行直线相关，有可能出现无相关性的结论，曲线相关分析是一般都先将变量进行变量变换，以将趋势变换为直线分析，或者采用曲线回归方法来分析。
相关的方向 依照两种变量变动的方向分，有正相关、负相关和无相关（零相关）。
相关分析基本步骤：
如果两个定量变量没有关系，就谈不上建立模型或进行回归。但怎样才能发现两个变量有没有关系呢？
最简单的直观办法就是画出它们的散点图。下面是四组数据的散点图；每一组数据表示了两个变量x和y的样本。
第1点
不相关
正线性相关
负线性相关
相关但非线性相关
但如何在数量上描述相关呢？下面引进几种对相关程度的度量。
Pearson相关系数
Spearman 秩相关系数
Kendall t 相关系数