【正文】 SPSS在非 線 性回 歸 分析中的 應(yīng) 用 （ 4）方差分析表 表 820是非線性回歸分析的方差分析表。這里只進(jìn)行了兩次迭代就達(dá)到了精度要求。 SPSS 在非 線 性回 歸 分析中的 應(yīng) 用 實例分析：股票價格的預(yù)測 1. 實例內(nèi)容 假定數(shù)據(jù)文件 84中是三個公司股票在 15個月期間的股市收盤價。 ? “ Function precision” ：函數(shù)精度，應(yīng)比目標(biāo)函數(shù)的迭代誤差限小。 SPSS 在非 線 性回 歸 分析中的 應(yīng) 用 Bootstrap estimates of standard error：采用樣本重復(fù) 法計算 標(biāo)準(zhǔn)誤。 SPSS 在非 線 性回 歸 分析中的 應(yīng) 用 Step07：選擇預(yù)測值和殘差等輸出 單擊 【 Save】 按鈕，彈出如下圖所示的對話框。 左側(cè)的候選變量列表框中，“ RESID_” 代表所選變量的殘差；“ PRED_”代表預(yù)測值。 SPSS 在非 線 性回 歸 分析中的 應(yīng) 用 Step04：輸入回歸方程 在 【 Model Expression（模型表達(dá)式） 】 文本框中輸入需要擬合的方程式，該方程中包含自變量、參數(shù)變量和常數(shù)等。 Step03：設(shè)置參數(shù)變量和初始值 單擊 【 Parameters（參數(shù)） 】 按鈕，將打開如下圖所示的對話框，該對話框用于設(shè)置參數(shù)的初始值。從圖 822也進(jìn)一步說明逆函數(shù)曲線方程的擬合效果最好。 SPSS在曲 線擬 合中的 應(yīng) 用 2. 實例操作 本案例要分析空置率對平均租金率的影響，因此首先繪制它們之間的散點圖 818。 SPSS在曲 線擬 合中的 應(yīng) 用 SPSS在曲 線擬 合中的 應(yīng) 用 Step07：其他選項輸出 在圖中還有三個選項可供選擇，用戶可根據(jù)自己的需要勾選這些選項。 ● Predicted Values：輸出回歸模型的預(yù)測值。 SPSS在曲 線擬 合中的 應(yīng) 用 Step02：選擇因變量 在 【 Curve Estimation（曲線估計） 】 對話框左側(cè)的候選變量列表框中選擇一個變量，將其添加至 【 Dependent(s)（因變量） 】 列表框中，即選擇該變量作為曲線估計的因變量。 SPSS在多元 線 性回 歸 分析中的 應(yīng) 用 SPSS在曲 線擬 合中的 應(yīng) 用 曲線擬合的基本原理 實際中，變量之間的關(guān)系往往不是簡單的線性關(guān)系，而呈現(xiàn)為某種曲線或非線性的關(guān)系。 SPSS在多元 線 性回 歸 分析中的 應(yīng) 用 （ 3）方差分析表 表 89是對回歸模型進(jìn)行方差分析的檢驗結(jié)果。由于這里的自變量進(jìn)入方式采用的是系統(tǒng)默認(rèn)，即強行進(jìn)入法，可以看到回歸模型的選入變量是報紙廣告費用和電視廣告費用。因此，讀者可以參考 作步驟。 SPSS 在多元 線 性回 歸 分析中的 應(yīng) 用 多元線性回歸的基本原理 在回歸分析中，如果有兩個或兩個以上的自變量，就稱為多元回歸。 請 利用回 歸 分析 來 分析廣告支出 與 箱 銷 售量的 關(guān) 系。 一元 線 性回 歸 的 SPSS操作 詳 解 （ 5） 【 Bootstrap】 ：可以進(jìn)行如下統(tǒng)計量的 Bootstrap估計。 ? 【 Stepping Method Criteria（步進(jìn)方法標(biāo)準(zhǔn)） 】 為逐步回歸標(biāo)準(zhǔn)選擇項。 ? DfFit：擬合值之差，由排除一個特定的觀測值所引起的預(yù)測值的變化。 ? Studentized Deleted：學(xué)生化剔除殘差。 ? Standardized：標(biāo)準(zhǔn)化的預(yù)測值。 ? SDRESID：學(xué)生化剔除殘差。同時還可以通過單擊 Next按鈕來重復(fù)操作過程。 ? R squared change：顯示每個自變量進(jìn)入方程后 R F值和 p值的改變情況。但是線性回歸主對話框中還包括了其他功能選項。若需要輸出以哪一組變量為自變量的回歸方程，可以通過單擊【 Previous】 按鈕和 【 Next】 按鈕來選擇。這些內(nèi)容，我們將結(jié)合案例來具體講解。 ② 從收集到的樣本數(shù)據(jù)出發(fā)確定自變量和因變量之間的數(shù)學(xué)關(guān)系式，即確定回歸方程。本案例的樣本數(shù)目等于 15，沒有缺失數(shù)據(jù)。 SPSS在距離分析中的 應(yīng) 用 實 例分析：價格指 數(shù) 的相 關(guān) 性 1. 實例內(nèi)容 價格指數(shù)是用來反映不同時期商品價格水平的變化方向、趨勢和程度的經(jīng)濟指標(biāo)，它屬于經(jīng)濟指數(shù)的一種，通常以報告期和基期相對比的相對數(shù)來表示。每種轉(zhuǎn)換方法給出一種轉(zhuǎn)換結(jié)果。 ● Range 1 to 1：作 1至 +1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換。 ● Ochiai： Ochiai二分余弦測量。 ● Kulczynski 2： Kulczynski平均條件概率。 ● Simple matching：以配對數(shù)與總對數(shù)的比例為配對系數(shù)。 上述第四步中除了采用系統(tǒng)默認(rèn)的距離測度類型外，還可以根據(jù)用戶的需要自己選擇測度類型，由于這里專業(yè)性很強，而且實際中使用很少，下面只做些簡單的介紹。表示作變量內(nèi)部觀察值之間的距離相關(guān)分析。 調(diào)用距離分析過程可對變量內(nèi)部各觀察單位間的數(shù)值進(jìn)行距離相關(guān)分析，以考察相互間的接近程度；也可對變量間進(jìn)行距離相關(guān)分析，常用于考察預(yù)測值對實際值的擬合程度，也可用于考察變量的相似程度。這說明了第三方市場對剩余兩個市場確實存在顯著影響，通過簡單相關(guān)系數(shù)還無法深入刻畫市場之間的關(guān)系。 但是，就相關(guān)系數(shù)本身而言，它未必是兩事物間線性關(guān)系強弱的真實體現(xiàn)，往往有夸大的趨勢，因為它在計算時都沒有考慮第三方的影響，這就有可能導(dǎo)致對事物的解釋出現(xiàn)偏差。 ● 相關(guān)性表支持相關(guān)性的 Bootstrap 估計。 ● Means and standard deviations：將輸出選中的各變量的觀測值數(shù)目、均值和標(biāo)準(zhǔn)差。 Step04：假設(shè)檢驗類型選擇 在 【 Test of Significance(顯著性檢驗 )】 選項組中可以選擇輸出的假設(shè)檢驗類型，對應(yīng)有以下兩個選項。 SPSS在偏相 關(guān) 分析中的 應(yīng) 用 偏相關(guān)分析是在相關(guān)分析的基礎(chǔ)上考慮了兩個因素以外的各種作用，或者說在扣除了其他因素的作用大小以后，重新來測度這兩個因素間的關(guān)聯(lián)程度。但本案例中， Spearman相關(guān)系數(shù)和 Kendall相關(guān)系數(shù)都小于 Pearson相關(guān)系數(shù)，顯然這是由于在秩變換或數(shù)據(jù)按有序分類處理時損失信息所導(dǎo)致的。由于這些數(shù)值都是連續(xù)型變量，同時根據(jù)兩個股票指數(shù)的散點圖，可見它們呈顯著的線性相關(guān)，因此可以采用 Pearson相關(guān)系數(shù)來測度它們之間的相關(guān)性。P 500是由 500種股票組成的指數(shù)。 ● Exclude cases listwise：表示剔除所有含缺失值的個案后再進(jìn)行分析。它表示選擇此項后，輸出結(jié)果中對在顯著性水平 相關(guān)的相關(guān)系數(shù)用一個星號“ *”加以標(biāo)記；對在顯著性水平 顯著相關(guān)的相關(guān)系數(shù)用兩個星號“ **”標(biāo)記。 ● Spearman：等級相關(guān)，斯皮爾曼相關(guān)系數(shù)。它利用變量的秩計算一致對數(shù)目和非一致對數(shù)目。它是利用兩變量的秩次大小作線性相關(guān)分析，適用條件為： ① 兩個變量的變量值是以等級次序表示的資料； ② 一個變量的變量值是等級數(shù)據(jù)，另一個變量的變量值是等距或比率數(shù)據(jù)，且其兩總體不要求是正態(tài)分布，樣本容量 n不一定大于 30。因此，可以計算變量之間的相關(guān)系數(shù)。 （ 3）來自于不同群體且不同質(zhì)的事物的相關(guān)系數(shù)不能進(jìn)行比較。 兩個變量之間的相關(guān)程度用相關(guān)系數(shù) r的絕對值表示，其絕對值越接近 1，表明兩個變量的相關(guān)程度越高；其絕對值越接近于 0，表明兩個變量相關(guān)程度越低。 （ 3）根據(jù)變量關(guān)系的形態(tài)，相關(guān)關(guān)系可分為直線相關(guān)和曲線相關(guān)。第 7章 SPSS的相 關(guān) 分析 相 關(guān) 分析 概 述 相 關(guān) 的基本 概 念 1. 函 數(shù)關(guān) 系和相 關(guān)關(guān) 系 函數(shù)關(guān)系是指事物或現(xiàn)象之間存在著嚴(yán)格的依存關(guān)系，其主要特征是它的確定性，即對一個變量的每一個值，另一個變量都具有惟一確定的值與之相對應(yīng)。 （ 4）根據(jù)研究變量的多少，可分為單相關(guān)、復(fù)相關(guān)。如果其絕對值等于零 1，則表示兩個變量完全直線相關(guān)。 （ 4）對于不同類型的數(shù)據(jù)，計算相關(guān)系數(shù)的方法也不相同。對不同類型的變量應(yīng)當(dāng)采取不同的相關(guān)系數(shù)來度量，常用的相關(guān)系數(shù)主要有： 皮爾遜（ Pearson）相關(guān)系數(shù) 常稱為積差相關(guān)系數(shù)，適用于研究連續(xù)變量之間的相關(guān)程度。 SPSS在 簡單 相 關(guān) 分析中的 應(yīng) 用 從斯皮爾曼等級相關(guān)適用條件中可以看出，等級相關(guān)的應(yīng)用范圍要比積差相關(guān)廣泛，它的突出優(yōu)點是對數(shù)據(jù)的總體分布、樣本大小都不做要求。顯然，如果兩變量具有較強的正相關(guān)，則一致對數(shù)目 U應(yīng)較大；但若兩變量相關(guān)性較弱，則一致對數(shù)目 U和非一致對數(shù)目 V應(yīng)大致相等。 對于非等間距測度的連續(xù)變量，因為分布不明可以使用等級相關(guān)分析，也可以使用 Pearson 相關(guān)分析；對于完全等級的離散變量必須使用等級相關(guān)分析相關(guān)性。 SPSS在 簡單 相 關(guān) 分析中的 應(yīng) 用 Step05：其他選項選擇 單擊 【 Options (選項 )】 按鈕，彈出的對話框用于指定輸出內(nèi)容和關(guān)于缺失值的處理方法，主要包括以下選項。 SPSS在 簡單 相 關(guān) 分析中的 應(yīng) 用 SPSS在 簡單 相 關(guān) 分析中的 應(yīng) 用 Step06：相關(guān)統(tǒng)計量的 Bootstrap估計 單擊 【 Bootstrap】 按鈕，在彈出的對話框中可以進(jìn)行如下統(tǒng)計量的 Bootstrap估計。有人說 Samp。但為了比較，我們也計算了這兩組變量的 Kendall和 Spearman相關(guān)系數(shù)。 所以，通過以上分析看到，道瓊斯工業(yè)平均指數(shù)和標(biāo)準(zhǔn)普爾指數(shù)具有高度正相關(guān)性，一個指數(shù)的上漲或上跌時，另一個指數(shù)也會伴隨著上漲或下跌。這種方法的目的就在于消除其他變量關(guān)聯(lián)性的傳遞效應(yīng)。 ● Two tailed：系統(tǒng)默認(rèn)項。 ● Zeroorder correlation：顯示零階相關(guān)矩陣，即 Pearson 相關(guān)矩陣。 Step07：單擊 【 OK】 按鈕，結(jié)束操作， SPSS軟件自動輸出結(jié)果。這里，股市、銀行間國債市場和交易所國債市場之間肯定是相互關(guān)聯(lián)的，兩個市場間的關(guān)系強弱肯定要受到第三方的影響制約，市場間的關(guān)系強弱可能存在傳遞效應(yīng)。這里引入偏相關(guān)系數(shù)是比較適合的。在距離分析中，主要利用變量間的相似性測度（ Similarities）和不相似性測度（ Dissimilarities）度量研究對象之間的關(guān)系。 ● Between variables：表示作變量之間的距離相關(guān)分析。 在 【 Distances(距離 )】 對話框中，選擇 【 Dissimilarities(不相似性 )】距離類型后，單擊 【 Measure】 按鈕，彈出下圖所示的對話框。 ● Jaccard：相似比例，分子與分母中的配對數(shù)與非配對數(shù)給予相同的權(quán)重。 ● Sokal and Sneath 4： Sokal and Sneath條件概率。 ● Sokal and Sneath 5： Sokal and Sneath Ⅴ 型相似測量。 ● Range 0 to 1：作 0至 1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換。 3 種轉(zhuǎn)換方法可以同時選擇。價格指數(shù)是研究價格動態(tài)變化的一種工具，它為制定、調(diào)整和檢查各項經(jīng)濟政策，特別是價格政策提供依據(jù)。 SPSS在距離分析中的 應(yīng) 用 （ 2）距離矩陣 表 713是根據(jù)歐式距離計算出的各個價格指數(shù)之間的距離。 ③ 建立回歸方程，在一定統(tǒng)計擬合準(zhǔn)則下估計出模型中的各個參數(shù)，得到一個確定的回歸方程。 一元 線 性回 歸 的 SPSS操作 詳 解 Step01：打開對話框 選擇菜單欄中的 【 Analyze(分析 )】 → 【 Regression（回歸） 】 →【 Linear（線性） 】 命令，彈出 【 Linear Regression（線性回歸） 】對話框，這是線性回歸分析的主操作窗口。 一元 線 性回 歸 的 SPSS操作 詳 解 Step05：樣本的篩選 從主對話框的候選變量列表框中選擇一個變量，將其移至 【 Selection Variable（選擇變量） 】 列表框中，這表示要按照這個變量的標(biāo)準(zhǔn)來篩選樣本進(jìn)行回歸分析。下面列出了它們的具體使用功能。 ? Descriptives：顯示自變量和因變量的有效數(shù)目、均值、標(biāo)準(zhǔn)差等，同時還給出一個自變量間的相關(guān)系數(shù)矩陣。繪制更多的圖形。 一元 線 性回 歸 的 SPSS操作 詳 解 選擇 【 Standardized Residual Plots（標(biāo)準(zhǔn)化殘差圖） 】 選項，可以選擇輸出標(biāo)準(zhǔn)化殘差圖，其中包括以下選項。 ? Adjusted：經(jīng)調(diào)整的預(yù)測值。 【 Distances（距離） 】 為距離欄，包含以下選項。 ? Standardized DfFit：標(biāo)準(zhǔn)化的 DfFi