第七章 相关与回归分析
第7章 相关分析与回归分析(含SPSS)
四、偏相关分析
（一） 偏相关分析和偏相关系数 偏相关分析也称净相关分析，它在控制其他变量 的线性影响的条件下分析两变量间的线性相关性， 所采用的工具是偏相关系数（净相关系数）。
偏相关分析的主要用途是根据观测资料应用偏相 关分析计算偏相关系数，可以判断哪些解释变量对 被解释变量的影响较大，而选择作为必须考虑的解 释变量。这样在计算多元回归分析时，只要保留起 主要作用的解释变量，用较少的解释变量描述被解 释变量的平均变动量。
(7.7)
偏相关系数的取值范围及大小含义与相关系数相 同。
2、对样本来自的两总体是否存在显著的偏相关 进行推断。
（1）提出原假设：两总体的偏相关系数与零无显 著差异。
（2）选择检验统计量。偏相关系数的检验统计量 为 t 统计量。 （3）计算检验统计量的观测值和相伴概率 p 。
（4）给定显著性水平 ，并作出决策。如果相 伴概率值小于或等于给定的显著性水平，则拒绝 原假设；如果相伴概率值大于给定的显著性水平， 则不能拒绝原假设。
（二）偏相关系数在SPSS中的实现
1、建立或打开数据文件后，进入Analyze→ Correlate →Partial主对话框，如图7-6所示。
图7-6 偏相关分析主对话框
2、选择分析变量送入Valiables框，选择控制变
量进入Controlling for框。
3、在Test of Significance 栏中选择输出偏相
图7-7 偏相关分析的选项对话框
（1）Statistics 统计量选择项，有两个选项： ①
Means and standard deviations 复选项，要求
SPSSZero-order correlations 复选项，要求显示零阶
第7章 相关与回归分析。
第七章相关与回归分析学习内容一、变量间的相关关系二、一元线性回归三、线性回归方程拟合优度的测定学习目标1. 掌握相关系数的含义、计算方法和应用2. 掌握一元线性回归的基本原理和参数的最小二3. 掌握回归方程的显著性检验4. 利用回归方程进行预测5. 了解可化为线性回归的曲线回归6. 用Excel 进行回归分析一、变量间的相关关系1. 变量间的关系（函数关系）1)是一一对应的确定关系。
2)设有两个变量x和y，变量y 随变量x一起变化，并完全依赖于x，当变量x 取某个数值时，y依确定的关系取相应的值，则称y 是x的函数，记为y = f (x)，其中x 称为自变量，y 称为因变量。
3)各观测点落在一条线上。
4）函数关系的例子–某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = p x (p 为单价)。
–圆的面积(S)与半径之间的关系可表示为S = π R2。
–企业的原材料消耗额(y)与产量x1、单位产量消耗x2、原材料价格x3间的关系可表示为y =x1 x2 x3。
单选题下面的函数关系是（）A、销售人员测验成绩与销售额大小的关系B、圆周的长度决定于它的半径C、家庭的收入和消费的关系D、数学成绩与统计学成绩的关系2. 变量间的关系（相关关系）1)变量间关系不能用函数关系精确表达。
2)一个变量的取值不能由另一个变量唯一确定。
3)当变量 x 取某个值时，变量 y 的取值可能有几个。
4)各观测点分布在直线周围。
5）相关关系的例子–商品的消费量(y)与居民收入(x)之间的关系。
–商品销售额(y)与广告费支出(x)之间的关系。
–粮食亩产量(y)与施肥量(x1)、降雨量(x2)、温度 (x3)之间的关系。
–收入水平(y)与受教育程度(x)之间的关系。
–父亲身高(y)与子女身高(x)之间的关系。
3. 相关图表1)相关表：将具有相关关系的原始数据，按某一顺序平行排列在一张表上，以观察它们之间的相互关系。
2)相关图：也称为分布图或散点图，它是在平面直角坐标中把相关关系的原始数据用点描绘出来，通常以直角坐标轴的横轴代表自变量x，纵轴代表因变量y。
第七章 相关分析和线性回归分析
❖对样本来自的两总体是否存在显 著的净相关进行推断。
练习
❖ 高校科研研究.sav：高级职称的人年数 可能是共同影响课题总数和发表论文数 的变量，希望考察控制高级职称的人年 数的影响后，课题总数和发表论文数之 间的关系。
❖ 教养方式.sav：父亲对情感温暖的理解 是否成为父亲惩罚严厉以及拒绝否认的 中介变量？
线性回归分析
❖ 回归分析是一种应用极为广泛的数量分 析方法。它用于分析事物之间的统计关 系，侧重考察变量之间的数量变化规律， 并通过回归方程的形式描述和反映这种 关系，帮助人们准确把握变量受其他一 或者多个变量影响的程度，进而为控制 和预测提供两个或两个以上变量之间关系的方法。 从广义上说，相关分析包括了回归分析。严格地说， 二者有区别：
❖偏相关也称净相关，它在控制其 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。
❖控制变量数为1时，偏相关系数称 为一阶偏相关；当控制两个变量 时，称为二阶偏相关；当控制变 量的个数为0时，偏相关系数称为 零阶偏相关，也就是相关系数。
❖ 如果需要进行相关分析的两个变量其取值 均受到其他变量的影响，就可以利用偏相 关分析对其他变量进行控制，输出控制其 他变量影响后的相关系数。
❖相关系数
（二）散点图
❖含义 ❖简单散点图：生成一对相关变量的散
点图 ❖重叠散点图：生成多对相关变量的散
点图 ❖矩阵散点图：同时生成多对相关变量
的矩阵散点图 ❖三维散点图：生产成三个变量之间的
三维散点图
散点图的基本操作
❖简单散点图 ❖重叠散点图 ❖矩阵散点图 ❖三维散点图
练习
❖高校科研研究.sav: ❖绘制课题总数与论文数的简单散点
第七章相关与回归分析
第七章 相关与回归分析一、本章学习要点（一）相关分析就是研究两个或两个以上变量之间相关程度大小以及用一定函数来表达现象相互关系的方法。
现象之间的相互关系可以分为两种，一种是函数关系，一种是相关关系。
函数关系是一种完全确定性的依存关系，相关关系是一种不完全确定的依存关系。
相关关系是相关分析的研究对象，而函数关系则是相关分析的工具。
相关按其程度不同，可分为完全相关、不完全相关和不相关。
其中不完全相关关系是相关分析的主要对象；相关按方向不同，可分为正相关和负相关；相关按其形式不同，可分为线性相关和非线性相关；相关按影响因素多少不同，可分为单相关和复相关。
（二）判断现象之间是否存在相关关系及其程度，可以根据对客观现象的定性认识作出，也可以通过编制相关表、绘制相关图的方式来作出，而最精确的方式是计算相关系数。
相关系数是测定变量之间相关密切程度和相关方向的代表性指标。
相关系数用符号“γ”表示，其特点表现在：参与相关分析的两个变量是对等的，不分自变量和因变量，因此相关系数只有一个；相关系数有正负号反映相关系数的方向，正号反映正相关，负号反映负相关；计算相关系数的两个变量都是随机变量。
相关系数的取值区间是［－1，＋1］，不同取值有不同的含义。
当1||=γ时，x 与y 的变量为完全相关，即函数关系；当1||0<<γ时，表示x 与y 存在一定的线性相关，||γ的数值越大，越接近于1，表示相关程度越高；反之，越接近于0，相关程度越低，通常判别标准是：3.0||<γ称为微弱相关，5.0||3.0<<γ称为低度相关，8.0||5.0<<γ称为显著相关，1||8.0<<γ称为高度相关；当0||=γ时，表示y 的变化与x 无关，即不相关；当0>γ时，表示x 与y 为线性正相关，当0<γ时，表示x 与y 为线性负相关。
皮尔逊积距相关系数计算的基本公式是： ∑∑∑∑∑∑∑---==])(][)([22222y y n x x n y x xy n y x xy σσσγ 斯皮尔曼等级相关系数和肯特尔等级相关系数是测量两个等级变量（定序测度）之间相关密切程度的常用指标。
统计学第七章 相关与回归分析
（四）按变量之间的相关程度分为完全相关、不完全相 关和不相关。
二、相关关系的测定
（一）定性分析，相关表，相关图 判断现象间有无相关关系是一个定性认 识问题，单纯依靠数学方法是无法解决的。 因此，进行相关分析必须以定性分析为前 提，这就要求研究人员首先必须根据有关 经济理论，专业知识，实际经验和分析研 究能力等。对被研究现象在性质上作出定 性判断。 相关表是将相关变量的观察资料，按照 其对应关系和一定顺序排列而成的表格。
Se
y
2
a y b xy n2
(7－ 12)
这个公式可以直接利用前面计算回归系 数和相关系数的现成资料。以表7－1的资 料计算如下：
Se y 2 a y b xy n2 56615-30.3 731-28.36 1213 10 2 65.02 8 2.85 (万件）
2
或
y- y R＝ 1－ 2 y y
ˆ 式中，y 为y的多元线性趋势值或回归估计值。
若变量间呈曲线（非直线）相关，则应
计算相关指数来测定变量间相关的密切程度。
ˆ y y y y
2 2
Ryx
( 7－7）
R
ˆ y y
由表7－4资料计算相关系数如下：
r
n xy x y n x x
2 2
n y y
2 2
2
10 1213－15.1 731
2
10 26.25－15.1 10 56615－731 1091.9 1091.9 38.49 31789 6.2 178.3 1091.9 0.988 1105.5
第七章 相关分析
（四）按变量多少划分可分为单相关、复相关
1.单相关：两个因素之间的相关关系叫单相关，即研究时只涉 及一个自变量和一个因变量。 2.复相关：二个以上因素的相关关系叫复相关，即研究时涉及 两个或两个以上的自变量和因变量。 偏相关：在某一现象与多种现象相关的场合，当假定其他变 量不边时，其中两个变量之间的相关关系称为偏相关。 在实际工作中，如存在多个自变量，可抓住其中主要的自变 量，研究其相关关系，而保持另一些因素不变，这时复相关为 偏相关。
第七章 直线相关与回 归分析
含秩相关
第一节
相关分析的概念
一、相关分析的概念： 相关分析是分析变量间是否有相关关系，确定相关关系是否 存在，描述相关关系呈现的形式和方向，以及变量间相关的密 切程度的方法。 二、函数关系和相关关系： 函数关系反映变量间的数量上，存在着确定的数量对应关系
，这种关系可用数学函数关系表达式，由一个变量精确计算出 另一个变量。见函数关系散点图和曲线。 相关关系反映变量间存在数量上的相关关系，但不具有确定 性的对应关系。见相关关系散点图和曲线。
三、相关分析内容
相关分析通常包括考察随机变量观测数据的散点图、 计算样本相关系数以及对总体相关系数的显著性检验 等内容。 散点图可以大致判断两个变量之间有无相关关系、 变量间的关系形态以及变量之间的关系密切程度，但 准确度量两个变量之间的关系密切程度，需要计算相 关系数。 一般情况下，总体相关系数ρ是未知的，通常是将 样本相关系数r作为ρ的估计值，于是常用样本相关系 数推断两变量间的相关关系．这一点要和相关系数的 显著性检验结合起来应用。
2．回归分析的种类
（1）根据所涉及变量的多少不同，回归分析可分为简单回归 和多元回归。 简单线性回归又称一元回归或直线回归，是指两个变量之 间的回归，研究一个自变量与另一个因变量的线性趋势数量 关系。 多元线性回归是研究多个自变量与一个因变量的线性趋势 数量关系。 （2）根据变量变化的表现形式不同，回归分析也可分为直线 回归和曲线回归。 对具有直线相关关系的现象，配之以直线方程进行回归分 析，即直线回归； 对具有曲线相关关系的现象，配之以曲线方程进行回归分 析，则称为曲线回归。
统计学 第 七 章 相关与回归分析
（一）回归分析与相关分析的关系
回归分析与相关分析是研究现象 之间相互关系的两种基本方法。
区别：
1、相关分析研究两个变量之间相关的 方向和相关的密切程度。但是相关分析不 能指出两变量相互关系的具体形式，也无 法从一个变量的变化来推测另一个变量的 变化关系。
2、按研究变量多少分为单相关和 复相关
单相关即一元相关，亦称简单相 关，是指一个因变量与一个自变量 之间的依存关系。复相关又称多元 相关，是指一个因变量与两个或两 个以上自变量之间的复杂依存关系。
3、按相关形式分为线性相关和非 线性相关
从相关图上观察：观察的样本点的 分布近似表现为直线形式，即观察点近 似地分布于一直线的两边，则称此种相 关为直线相关或线性相关。如果这些样 本点近似地表现为一条曲线，则称这种 相关为曲线相关或非线性相关(curved relationship).
不确定性的统计关系 —相关关系
Y= f（X）+ε (ε为随机变量)
在这种关系中，变量之间的关系值 是随机的，当一个（或几个）变量的值 确定以后，另一变量的值虽然与它（们） 有关，但却不能完全确定。然而，它们
之间又遵循一定的统计规律。
相关关系的例子
▪ 商品的消费量(y)与居民收入(x)
之间的关系
▪ 商品销售额(y)与广告费支出(x)
▲相关系数只反映变量间的线性相关程度，不 能说明非线性相关关系。
▲相关系数不能确定变量的因果关系，也不能 说明相关关系具体接近于哪条直线。
例题1: 经验表明：商场利润额与 其销售额之间存在相关关系。下表为 某市12家百货公司的销售额与利润额 统计表，试计算其相关系数。
第七章相关与回归分析
函数关系
(几个例子)
某种商品的销售额 y 与销售量 x 之间的关系 可表示为 y = px (p 为单价)
圆的面积S与半径R之间的关系可表示为 S=R2 企业的原材料消耗额y与产量x1 、单位产量 消耗x2 、原材料价格x3之间的关系可表示为 y = x1 x2 x3
相关关系
(correlation)
1. 是一一对应的确定关系 2. 设有两个变量 x 和 y ，变量 y 随变量 x 一起变化，并完 y 全依赖于 x ，当变量 x 取某 个数值时， y 依确定的关系 取相应的值，则称 y 是 x 的 函数，记为 y = f (x)，其中 x 称为自变量，y 称为因变量 3. 各观测点落在一条线上
二.相关关系的种类 1、按相关的程度划分 完全相关 不完全相关 不相关 正相关 负相关 线性相关 非线性相关 单相关 4、按影响因素的多少划分 复相关 3、按相关的形式划分
2、按相关的方向划分
散点图
(scatter diagram)
第七章 相关与回归分析
教学目的与要求 掌握相关关系的含义，以及相关关系与 函数关系的区别，了解相关分析的内容，掌 握相关关系的判别方法和类型，理解回归分 析的实质，熟悉回归分析与相关分析的区别 与联系，掌握一元线性回归分析方法和应用
本章主要内容 第一节 相关分析 第二节 回归分析
第一节
相关分析
客观存在的各种现象之间的相互联系，都可以 表现为一定的数量关系，研究现象之间的数量关系 ，则是回归分析和相关分析的宗旨。现象之间的相 互联系，在许多情况下，表现为一定的因果关系， 将这些现象数量化，则成为变量，其中起着影响作 用的变量称为自变量，受自变量影响而发生变动的 变量称为因变量。 现象之间的相互关系，可以概括为两种不同的类 型，即函数关系和相关关系。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
正线性相关
2019年12月14日12时 28分
完全负线性相关
负线性相关
非线性相关
不相关
11
（二）相关系数和判定系数
1. 都是对变量之间关系密切程度的度量；
2. 判定系数=相关系数的平方； 3. 不同类型的相关,相关系数的计算方法也不同.
3. 利用所求的关系式，根据一个或几个变量的 取值来预测或控制另一个特定变量的取值， 并给出这种预测或控制的精确程度。
• 相关程度的三级划分法：
|r|＜0.3, 微相关或不相关 0.3≤|r|＜0.5, 低度相关 0.5≤|r|＜0.8, 显著相关
r的绝对值在0.8以上的为高度相关 一般情况下，只有r的绝对值在0.5以上， 才进一步进行相关分析。
2019年12月14日12时
28分
15
统
计 学
第三节 回归分析的一般问题
2019年12月14日12时
28分
7
3、按相关方向分为： 正相关——两变量大体上呈同方向变化； 负相关——两变量大体上呈反方向变化。 4、按相关密切程度分： 完全相关——两变量间有确定函数关系。 不完全相关——两变量不存在严格函数关系。 不相关——当一个变量变化，另一个变量不
2019年12月14日12时
28分
6
相关关系的类型
1、按相关关系涉及的因素多少分为：
•单相关——一元相关，两变量间的相关关系； •复相关——多元相关，三个（或以上）变量间的相 关关系；
2、按相关的表现形态分为：
•直线相关——观察点的分布大致呈现为一条直线； •曲线相关——观察点的分布大致呈现为一条曲线
28分
12
相关关系的计算公式
r Sxy
(x x)(y y)
SxSy
(x x)2 (y y)2
或化简为
r
nxy xy
见P161公式〔9－2〕
n x2 x 2 ny2 y 2
2019年12月14日12时
28分
13
2019年12月14日12时
28分
5
相关关系的特点（见154页）
相关关系和函数关系，既有联系又有区 别。在实际工作中，对表现为函数关系 的现象的测量由于种种原因，每次观测 值都不可能完全相同，这时函数关系就 表现为相关关系。在研究相关关系时， 又常常要用函数形式来表现，以便得到 相关关系的一般数量表达式形式。因此， 相关关系是相关分析的研究对象，函数 关系是相关分析的必要工具。
2019年12月14日12时
28分
3
相关关系——
变量间确实存在、但数量上不固定的相 互依存。这种关系不能用函数关系精确 表达；
一个变量的取值不能由另一个变量惟一 地确定；当变量 x 取某个值时，与之相 关的变量 y 的取值可能有若干个；
各观测点分布在一条直线或曲线周围.
2019年12月14日12时
28分
4
相关关系的例子
商品的消费量(y)与居民收入(x)之间的关系 商品销售额(y)与广告费支出(x)之间的关系 粮食亩产量(y)与施肥量(x1) 、降雨量(x2) 、
温度(x3)之间的关系 收入水平(y)与受教育程度之间的关系(x) 父亲身高(y)与子女身高(x)之间的关系 ……
统 计 学
第九章 相关与回归分析
第一节 相关分析的一般问题 第二节 相关关系的判断 第三节 回归分析的一般问题 第四节 回归模型的建立与检测
2019年12月14日12时
28分
1
统 计
学 第一节 相关分析
一、相关分析的意义 二、相关关系的测定
2019年12月14日12时
28分
2
变量间的关系
变量间的关系有两种类型：函数关系和相关关系。 函数关系—— 是一一对应的确定关系。
一. 回归分析的意义 二. 一元线性回归方程的确定 三. 回归估计的标准差
2019年12月14日12时
28分
16
一、回归分析的意义
1. 从一组样本数据出发，确定变量之间的数学 关系式——建立回归模型；
借助于数学模型来表达变量之间的平均数量关系
2. 对这些关系式的可信程度进行各种统计检验 并从某一特定变量的诸多影响因素（变量） 中找出哪些变量的影响显著，哪些不显著；
相关图——也称为散点图。一对数据对应坐 标图上一个点，将成对的观察数据表现为坐 标图的散点而形成的图。（见P158图9—1）
编制相关表、图的意义——有助于分析者判 断 相关的有无、方向、形态、密切程度。
2019年12月14日12时
28分
10
相关关系的图示
完全正线性相关
相关系数取值及其意义
1. r 的取值范围是 [-1,1] 2. |r|=1，为完全相关；
r =1，为完全正相关 r =-1，为完全负相关 3. r = 0，不存在线性相关关系相关； 4. -1r <0，为负相关；0<r 1，为正相关
2019年12月14日12时
28分
14
5. |r|越趋于1表示关系越密切；|r|越趋于0表 示关系越不密切。
设有两个变量 x 和 y ，变量 y 完全依赖于 x ，则 称 y 是 x 的函数，记为 y = f (x)，其中 x 称为自 变量，y 称为因变量。
例如：
圆的面积（S）与半径之间的关系可表示为S = R2 ；
某种商品的销售额(y)与销售量(x)之间的关系可表示为 y = p x
(p 为单价)
变化或呈不规则变化或没有依存关系。
2019年12月行相关分析的一般程序：
•定性分析 •定量分析
•相关表和相关图 •计算相关系数与判定系数
2019年12月14日12时
28分
9
（一）相关表和相关图
相关表——将一个变量按大小顺序排序， 另一个变量对应排列而成的表格。（见 P156表9－1）
对两个变量之间线性相关程度的度量称为简单相 关系数（也称直线相关系数）,常简称相关系数.
此外还有复相关系数、非线性相关系数、偏相关系 数
3. 有总体相关系数与样本相关系数之分：
• 总体相关系数ρ——根据总体数据计算的，
• 样本相关系数 r ——根据样本数据计算的。
2019年12月14日12时