第 三章 相 关 分 析 与 回 归 模 型 的 建 立 与 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： 1、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）。 2、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。 §3.1 相 关 分 析 在SPSS中，可以通过 Analyze菜单进行相关分析（Correlate），Correlate菜单如图 3.1所示。 图 3.1 Correlate 相关分析菜单 §3.1.1 简 单 相 关 分 析 两个变量之间的相关关系称简单相关关系。有两种方法可以反映简单相关关系。一是通过散点图直观地显示变量之间关系，二是通过相关系数准确地反映两变量的关系程度。 §3.1.1.1 散 点 图 SPSS软件的绘图命令集中在Graphs菜单。下面通过例题来介绍具体操作方法。 例1：数据库SY-8中的变量X表示山东省人均国内生产总值，Y表示山东省城镇居民的消费额（资料来源：山东省2003年统计年鉴），现画出散点图来观察两个变量的关联程度。具体操作步骤如下： 首先打开数据SY-8，然后单击Graphs Scatter,打开Scatter plot散点图对话框，如图3.2所示。然后选择需要的散点图，图中的四个选项依次是： Simple 简单散点图 Matrix 矩阵散点图 Ov erlay 重叠散点图 3-D 三维散点图 图3.2 散点图对话框 如果只考虑两个变量，可选择简单的散点图Simple，然后点击Define，打开Simple Scatterplot对话框,如图3.3所示。 图3.3 Simple Scatterplot对话框 选择变量分别进入X轴和Y轴，点击OK后就可以得到散点图，见图3.4。 从下面输出的人均国内生产总值与城镇居民消费额的散点图3.4中可以粗略地看出，两个变量之间有强正相关的线性关系。 人均国内生产总值（元）120001000080006000400020000城镇居民（元）800070006000500040003000200010000 图3.4 散点图 §3.1.1.2 简 单 相 关 分 析 操 作 简单相关分析是指两个变量之间的相关分析，主要是指对两变量之间的线性相关程度作出定量分析。仍然数据SY-8为例，说明居民收入与某商品的销售量两变量...
