【正文】 ? 相關系數表支持相關性的 Bootstrap 估計。 ? Exclude cases listwise：系統(tǒng)默認項，表示剔除所有含缺失值的個案后再進行分析。 ? Individual：因變量單個觀測量的預測區(qū)間。 一元 線 性回 歸 的 SPSS操作 詳 解 【 Influence Statistics（影響統(tǒng)計量） 】 反映剔除了某個自變量后回歸系數的變化情況。 ? Standardized：標準化殘差。 （ 3） 【 Save(保存 )】 ：將預測值、殘差或其他診斷結果值作為新變量保存于當前工作文件或新文件。 ? *DRESID：剔除的殘差。 ? Casewise diagnostic：對標準化殘差進行診斷，判斷有無奇異值 (Outliers)。 ? Confidence intervals：每個回歸系數的 95%置信區(qū)間。 Step07：選擇加權二乘法變量 從候選變量列表框中選擇一個變量進入 【 WLS Weigh（ WLS權重） 】 列表框中，表示選入權重變量進行權重最小二乘法的回歸分析?？蓡螕?【 Independent(s)（自變量） 】 列表框上方的【 Next】 按鈕，選定的這一組自變量將被系統(tǒng)自動保存于一個自變量塊（ Block）中。根據自變量的個數，線性回歸模型可分為一元線性回歸模型和多元線性回歸模型 一元線性回歸模型是在不考慮其他影響因素的條件下，或是在認為其他影響因素確定的情況下，分析某一個因素（自變量）是如何影響因變量的。 SPSS在距離分析中的 應 用 第 8章 SPSS的回歸分析 SPSS 在一元 線 性回 歸 分析中的 應 用 一元線性回歸的基本原理 線性回歸模型側重考察變量之間的數量變化規(guī)律，并通過線性表達式，即線性回歸方程，來描述其關系，進而確定一個或幾個變量的變化對另一個變量的影響程度，為預測提供科學依據。由于這些價格指數的構成復雜，因此可以采用距離分析來探討它們之間的關系。把相似性測度值轉換成不相似性測度值或相反。 【 Transform Values(轉換值 )】 復選項：選擇測度轉換方法。單擊矩形框右面的箭頭按鈕展開下拉列表，可選擇的標準化方法如下。 ● Yule‘s Y ： Yule綜合系數，屬于 2 2四格表的列聯比例函數。 ● Sokal and Sneath 2： Sokal and Sneath Ⅱ 型配對系數，分子與分母均為非配對數，但分子給予加倍的權重。 ● Cosine：以變量矢量的余弦值為距離，界于 1至 +1之間。 ● Similarities：相似性測距。缺省時，輸出中用觀測量的序號來標記。 SPSS在距離分析中的 應 用 距離分析是對觀測量之間或變量之間相似或不相似的程度的一種測度，是計算一對變量之間或一對觀測量之間的廣義的距離。 SPSS在偏相 關 分析中的 應 用 （ 2）偏相關系數表 表 78～表 710列出了三個市場之間的偏相關系數。數據文件 、交易所國債市場和銀行間國債市場的綜合指數，請利用相關分析研究這三個市場的關聯特征 SPSS在偏相 關 分析中的 應 用 2 .實 例操作 由于這里要研究三個金融市場之間的關系，因此首先可以利用 的簡單相關分析來初步探討它們之間的聯系。 ● Exclude cases listwise：表示剔除所有含缺失值的個案后再進行分析。它表示選擇此項后，輸出結果中對在顯著性水平 “ *”加以標記；對在顯著性水平 “ **”標記。 SPSS在偏相 關 分析中的 應 用 Step02：選擇檢驗變量 在 【 Bivariate Correlations(偏相關 )】 對話框左側的候選變量列表框中選擇兩個或兩個以上變量，將其添加至 【 Variables(變量 )】 列表框中，表示需要進行偏相關分析的變量。但實際上呢，對體重相同的人而言，身高值越大其肺活量也不一定越大。 SPSS在 簡單 相 關 分析中的 應 用 （ 2） Pearson相關系數表 接著 SPSS列出了道瓊斯工業(yè)平均指數和標準普爾指數的 Pearson相關系數表 74。請計算它們之間的樣本相關系數。 SPSS在 簡單 相 關 分析中的 應 用 實 例分析：股票指 數 之 間 的 聯 系 1. 實 例 內 容 道瓊斯工業(yè)平均指數（ DJIA）和標準普爾指數 500（ Samp。 ② MissingValues：用于設置缺失值的處理方式。雙尾檢驗，當事先不知道相關方向（正相關還是負相關）時選擇此項。 Step03：選擇相關系數類型 圖中的 【 Correlation Coefficients(相關系數 )】 選項組中可以選擇計算簡單相關系數的類型。 Spearman相關系數計算公式可以完全套用 Pearson相關系數的計算公式，但公式中的x和 y用它們的秩次代替即可。 SPSS在 簡單 相 關 分析中的 應 用 簡單 相 關 分析的基本原理 SPSS在 簡單 相 關 分析中的 應 用 對 Pearson簡單相關系數的統(tǒng)計檢驗是計算 t統(tǒng)計量， t統(tǒng)計量服從 n2個自由度的 t分布。 相關圖 在統(tǒng)計中制作相關圖，可以直觀地判斷事物現象之間大致上呈現何種關系的形式。在使用相關系數時應該注意下面的幾個問題。相關系數一般可以通過計算得到。例如，學生成績與其智力因素、各科學習成績之間的關系、教育投資額與經濟發(fā)展水平的關系、社會環(huán)境與人民健康的關系等等，都反映出客觀現象中存在的相關關系。 相關關系反映出變量之間雖然相互影響，具有依存關系，但彼此之間是不能一一對應的。 相 關 分析 相關系數是在直線相關條件下，說明兩個變量之間相關程度以及相關方向的統(tǒng)計分析指標?！?﹣” 表示負相關，即 0≥ r ≥﹣1 。一般它有圖形和數值兩種表示方式。它的計算公式為： 利用相關系數 r的大小可以判斷變量間相關關系的密切程度，具體見表所示。其基本公式為： 式中： D是兩個變量每對數據等級之差， n是兩列變量值的對數。 SPSS在 簡單 相 關 分析中的 應 用 SPSS在 簡單 相 關 分析中的 應 用 Step02：選擇檢驗變量 在 【 Bivariate Correlations(雙變量相關 )】 對話框左側的候選變量列表框中選擇兩個個或兩個以上變量將其添加至 【 Variables(變量 )】 列表框中，表示需要進行簡單相關分析的變量。 ● Two tailed：系統(tǒng)默認項。 ● Crossproduct deviations and covariances：輸出反映選中的每一對變量之間的叉積離差矩陣和協方差矩陣。 SPSS在 簡單 相 關 分析中的 應 用 Step07：單擊 【 OK】 按鈕，結束操作， SPSS軟件自動輸出結果 。P 500在 1997年 10周內的收盤價。同時，兩者的方差差距也很明顯。例如身高、體重與肺活量之間的關系，如果使用 Pearson 相關計算其相關系數，可以得出肺活量、身高和體重均存在較強的線性相關性質。 1 2 1 3 2 31 2 ( 3 ) 221 3 2 311r r rrrr???? SPSS在偏相 關 分析中的 應 用 偏相 關 分析的 SPSS操作 詳 解 Step01：打開主菜單 選擇菜單欄中的 【 Analyze(分析 )】 → 【 Correlate(相關 )】 →【 Partial(偏相關 )】 命令，彈出 【 Partial Correlations(偏相關 )】對話框，如圖 79所示，這是偏相關檢驗的主操作窗口。 同時，可以勾選 【 Flag significant Correlations】 復選框。剔除當前分析的兩個變量值是缺失的個案。但是我國債券市場主要由銀行間債券市場和證券交易所債券市場組成，并且它們處于相對分割狀態(tài)，在投資主體、交易方式等方面存在顯著差異。可以看到樣本容量都等于 1321，三個市場綜合指數的樣本均值和樣本方差都有一定的差距。這時就需要先對各個指標或者案例的差異性、相似程度進行考察，以先對數據有一個初步了解，然后再根據結果考慮如何進行深入分析。同時可以選擇一個字符型標示變量移入【 Label Cases(標注個案 )】 列表框中，在輸出中將用這個標示變量值對各個觀測量加以標記。不相似性測距，系統(tǒng)默認采用歐式距離測度觀測值或變量之間的不相似性。 ● Pearson correlation：以 Pearson相關系數為距離。 ● Sokal and Sneath 1： Sokal and Sneath Ⅰ 型配對系數，分母為配對數，分子為非配對數，配對數給予加倍的權重。 ● Anderberg‘s D ：以一個變量狀態(tài)預測另一個變量狀態(tài)。 SPSS在距離分析中的 應 用 進行標準化的方法在 【 Standized(標準化 )】 后面的下拉列表中。 ● Standard deviation of 1：作標準差單位轉換。 ● Change sign：改變符號。 SPSS在距離分析中的 應 用 2. 實 例操作 本案例要討論居民消費價格指數等七類價格指數之間關聯特征。其余指數之間的關系可以類似分析。 SPSS 在一元 線 性回 歸 分析中的 應 用 基本原理 當自變量和因變量之間呈現顯著的線性關系時，則應采用線性回歸的方法，建立因變量關于自變量的線性回歸模型。 一元 線 性回 歸 的 SPSS操作 詳 解 Step04：選擇回歸模型中自變量的進入方式 在 【 Method（方法） 】 選項組中可以選擇自變量的進入方式，一共有五種方法。這表示在指定作圖時，以哪個變量作為各樣本數據點的標志變量。 一元 線 性回 歸 的 SPSS操作 詳 解 ? Estimates：可輸出回歸系數 B及其標準誤，回歸系數的 t檢驗值和概率p值，還有標準化的回歸系數 beta。 ? DurbinWatson：殘差序列相關性檢驗。 ? *ZRESID：標準化殘差。 ? Produce all partial plots：每一個自變量對于因變量殘差的散點圖。 ? Unstandardized：未標準化殘差。 ? Leverage values：杠桿值。 ? Mean：均值預測區(qū)間的上下限。 ? 【 Missing value treatments（缺失值） 】 為缺失值處理方式選擇項。 ? 系數表支持系數、 B 的 Bootstrap 估計和顯著性檢驗。通過這張表可以知道相關系數的取值（ R），相關系數的平方即可決系數（ R Square），校正后的可決系數 (adjusted R Square)和回歸系數的標準誤 ( of the Estimate)。 表示在其他自變量保持不變的情況下，自變量 變動一個單位所引起的因變量的平均變動單位。請建立模型分析這兩種廣告形式對公司營業(yè)收入的影響?？蓻Q系數 R2等于復相關系數的平方，這里等于 9。同時比較電視廣告和報紙廣告的系數看到，電視廣告對電影院的收入影響要大于報紙廣告的影響。雖然這里選擇的是曲線方程，在方程形式上是非線性的，但可以采用變量變換的方法將這些曲線方程轉化為線性方程來估計參數。這表示在指定作圖時，以哪個變量作為各樣本數據點的標志變量。 【 Predict Case（預測個案） 】 選項組是以時間序列為自變量時的預測值輸出。 Step08：單擊 【 OK】 按鈕，結束操作， SPSS軟件自動輸出結果。 SPSS在曲 線擬 合中的 應 用 3. 實例結果及分析 （ 1）模型描述 表 814是 SPSS對曲線擬合結果的初步描述統(tǒng)計，例如自變量和因變量、估計方程的類型等。因此，本方法在實際應用中有很大的實用價值 。如果需要修改已經定義的參數變量，則先將其選中，然后在 【 Name（名稱） 】 和 【 Starting Value（初始值） 】文本框里進行修改，完成后點擊 【 Change】 按鈕確認修改。該對話框用來選擇損失函數來確定參數的迭代算法。 ? Unconstrained：無約束條件，系統(tǒng)默認項。 ? Derivatives：模型各個參數的一階導數值。該方法要求輸入的參數如下。 ? “ Maximum iterations” ：最大迭代步數。 SPSS在非 線 性回 歸 分析中的 應 用 接著利用散點矩陣圖來判斷三個變量之間的關系。于是，得到股票 A關于股票 B和 C的預測回歸模型為： 可以看到，股票 B和股票 C都和股票 A的價格變動方向相同，而且股票B對股票 A的影響更大