《统计分析与SPSS的应用》章节试读

《统计分析与SPSS的应用》的笔记-第247页 - SPSS线性回归分析

A)拟和优度检验：a) R方取值0~1间；b)R方接近1，说明拟和度高，接近0，说明拟和度低；
B)回归方程显著性检验：概率P-值＜alpha，拒绝原假设，认为回归系数与零存在显著差异；概率P-值＞alpha，不应拒绝原假设，认为回归系数与零不存在显著差异。
C)回归系数的显著性检验：概率P-值＜alpha，拒绝原假设，认为回归系数与零存在显著差异，被解释变量y与解释变量x的线性关系显著，x应该保留在回归方程中；概率P-值＞alpha，不应拒绝原假设，认为回归系数与零不存在显著差异，被解释变量y与解释变量x的线性关系不显著，x不应该保留在回归方程中。
D)残差分析：DW在0~4间。标准如下：DW=4（p=-1）为完全负自相关；（2，4）负；2无；（0，2）正；0完全正。
E)容忍度：Ri方小，容忍度大，Ri方大，容忍度大。其取值在0~1间，接近0说明多重共线性强，1表示弱。
F)膨胀因子：VIF大于10，说明多重共线性严重，且影响方程最小二乘估计。
G)条件指数：ki在[0,100)说明多重共线性严重；[10,100)，强；大于100，严重。

《统计分析与SPSS的应用》的笔记-第228页 - SPSS相关分析

I 散点图
操作步骤：Graphs→Legacy Dialogs→Scatter/Dot→选择类型→Define
II 计算相关统计量
操作步骤：Analyze→Correlate→Bivariate→拖到Variables→Correlation Coefficients选类型→选单双尾→OK
A.相关系数统一分析方法：
第一，关于相关系数：
a)范围：相关系数r取值范围为-1～+1；
b)正负：r＞0为正线性相关，r＜0为负线性相关；
c)极值：r=1为完全正相关，r=-1为完全负相关，r=0为不存在线性相关；
d)强弱：︱r︱＞0.8说明强，︱r︱＜0.3说明弱。
第二，关于是否显著：
概率P-值＜alpha，拒绝原假设，认为两总体存在显著的线性关系；
概率P-值＞alpha，不能拒绝原假设，认为两总体存在零相关。
B. SPSS三种相关系数比较：
(i)Pearson简单相关系数：度量定距型变量间的线性相关关系。
特有性质：a) x与y的相关系数等同y与x的相关系数; b) x、y线性变换后符号可能变，绝对值不变。
(ii)Spearman等级相关系数：度量定序变量间的线性相关关系。
(iii)Kendall相关系数：非参数检验方法度量定序变量间的线性相关关系。
特有性质：较强正相关，U大V小；较强负相关，U小V大；弱相关，U、V大体相等，约各1/2。
III 偏相关分析
操作步骤：Analyze→Correlate→Partial→拖到Variables→拖变量到Controlling for →选单双尾→OK