文档介绍：会计学
*
双变量(biànliàng)回归与相关分析
第一页，共15页。
相关(xiāngguān)和回归分析
相关分析和回归分析的任务
研究对象：统计关系(guān xì)
相关分析旨在反映变量相互之间线性关系(guān xì)的强弱程度，无方向性，不考虑因果关系(guān xì)。
回归分析侧重于考察一个或几个变量（自变量）的变化对另一个变量（应变量）的影响程度，并通过一定的数学表达式来描述这种关系(guān xì)。具方向性，通常包含因果关系(guān xì)。
第1页/共14页
第二页，共15页。
相关和回归(huíguī)分析
散点图分析(scatterplot)
相关分析(correlation analysis)
一元(yī yuán)线性回归分析(univariate linear regression)
曲线拟合(curve estimation)不讲
第2页/共14页
第三页，共15页。
绘制(huìzhì)散点图
目的
将相互关联的变量数据对(X,Y)作为二维平面的座标(zuò biāo)点，构建直角座标(zuò biāo)图，即散点图，以探究两变量间数量变化的趋势，为相关或回归分析提供初步的思路。
方法
Graphs→Interactives→ Scatterplot
第3页/共14页
第四页，共15页。
实例(shílì)
用已知浓度X的免疫(miǎnyì)球蛋白A(IgA, μg/ml)作火箭免疫(miǎnyì)电泳，由于抗体抗原反应受扩散浓度梯度影响，形成的反应带呈火箭状。测得火箭高度Y(mm)如下表所示，试分析抗体浓度与火箭高度的相互关系。
X(μg/ml)
Y(mm)
先作散点图观察(guānchá)
第4页/共14页
第五页，共15页。
实例(shílì)-绘制散点图
步骤(bùzhòu)一：
Graphs
Interactive
Scatterplot
第5页/共14页
第六页，共15页。
实例(shílì)-绘制散点图
步骤二：
确定(quèdìng)横、纵座标
输出散点图
第6页/共14页
第七页，共15页。
相关(xiāngguān)分析
作用:
用相关系数(r)体现两个(liǎnɡ ɡè)变量间的线性关系程度。
r:[-1,+1]；r=1:完全正相关； r=-1:完全负相关；r=0:无线性相关。
说明:
相关系数只是较好地度量了两变量间的线性相关程度，不能描述非线性关系。
数据中的极端值对相关系数影响较大。
步骤
Analyze→Correlate→ Bivariate
第7页/共14页
第八页，共15页。
相关(xiāngguān)分析
相关系数的计算:
Pearson 相关系数：对一般连续性、正态性数据适用。
Spearman和Kendall相关系数：
对分类变量的数据或变量值分布明显非正态或分布不明(bù mínɡ)时，计算时先对离散数据进行排序或对定距变量值排（求）秩 --秩相关。
第8页/共14页
第九页，共15页。
实例-相关分析(fēnxī)(数据同上)
步骤一：
Analyze
Correlate
Bivariate
步骤二：
选择要分析(fēnxī)的变量
选择相关系数计算方法
（默认Pearson法）
第9页/共14页
第十页，共15页。