【文章內(nèi)容簡(jiǎn)介】 l γ 值，屬于 2 2四格表的列聯(lián)比例函數(shù)。 ● Ochiai： Ochiai二分余弦測(cè)量。 ● Sokal and Sneath 5： Sokal and Sneath Ⅴ 型相似測(cè)量。 ● Phi 4 point correlation： Pearson相關(guān)系數(shù)的平方值。 ● Dispersion： Dispersion相似測(cè)量。 SPSS在距離分析中的 應(yīng) 用 進(jìn)行標(biāo)準(zhǔn)化的方法在 【 Standized(標(biāo)準(zhǔn)化 )】 后面的下拉列表中。單擊矩形框右面的箭頭按鈕展開下拉列表，可選擇的標(biāo)準(zhǔn)化方法如下。 ● None：不作數(shù)據(jù)轉(zhuǎn)換，系統(tǒng)默認(rèn)項(xiàng)。 ● ZScores：作標(biāo)準(zhǔn) Z分值轉(zhuǎn)換，此時(shí)均值等于 0，標(biāo)準(zhǔn)差等于 1。 ● Range 1 to 1：作 1至 +1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換。 ● Range 0 to 1：作 0至 1之間的標(biāo)準(zhǔn)化轉(zhuǎn)換。 ● Maximum magnitude of 1：作最大值等于 1的標(biāo)準(zhǔn)轉(zhuǎn)換。 ● Mean of 1：作均數(shù)單位轉(zhuǎn)換。 ● Standard deviation of 1：作標(biāo)準(zhǔn)差單位轉(zhuǎn)換。 【 Transform Values(轉(zhuǎn)換值 )】 復(fù)選項(xiàng)：選擇測(cè)度轉(zhuǎn)換方法。在距離測(cè)度計(jì)算完成后，才進(jìn)行對(duì)測(cè)度的轉(zhuǎn)換。共有 3 個(gè)轉(zhuǎn)換方法可以選擇。每種轉(zhuǎn)換方法給出一種轉(zhuǎn)換結(jié)果。 3 種轉(zhuǎn)換方法可以同時(shí)選擇。 SPSS在距離分析中的 應(yīng) 用 ● Abosolute values：對(duì)距離取絕對(duì)值。當(dāng)符號(hào)表明的是相關(guān)的方向，且僅對(duì)相關(guān)的數(shù)值感興趣時(shí)使用這種轉(zhuǎn)換。 ● Change sign：改變符號(hào)。把相似性測(cè)度值轉(zhuǎn)換成不相似性測(cè)度值或相反。 ● Rescale to 0~1 range：重新調(diào)整測(cè)度值到范圍 0～ 1轉(zhuǎn)換法。對(duì)已經(jīng)按有意義的方法標(biāo)準(zhǔn)化的測(cè)度，一般不再使用此方法進(jìn)行轉(zhuǎn)換。 SPSS在距離分析中的 應(yīng) 用 實(shí) 例分析：價(jià)格指 數(shù) 的相 關(guān) 性 1. 實(shí)例內(nèi)容 價(jià)格指數(shù)是用來(lái)反映不同時(shí)期商品價(jià)格水平的變化方向、趨勢(shì)和程度的經(jīng)濟(jì)指標(biāo)，它屬于經(jīng)濟(jì)指數(shù)的一種，通常以報(bào)告期和基期相對(duì)比的相對(duì)數(shù)來(lái)表示。價(jià)格指數(shù)是研究?jī)r(jià)格動(dòng)態(tài)變化的一種工具，它為制定、調(diào)整和檢查各項(xiàng)經(jīng)濟(jì)政策，特別是價(jià)格政策提供依據(jù)。表 711列出了我國(guó) 1991年 — 2022年間居民消費(fèi)價(jià)格指數(shù)、城市居民消費(fèi)價(jià)格指數(shù)、農(nóng)村居民消費(fèi)價(jià)格指數(shù)、商品銷售價(jià)格指數(shù)、工業(yè)品出廠價(jià)格指數(shù)、原材料等購(gòu)進(jìn)價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)。請(qǐng)研究這些價(jià)格指數(shù)之間的關(guān)系。 SPSS在距離分析中的 應(yīng) 用 2. 實(shí) 例操作 本案例要討論居民消費(fèi)價(jià)格指數(shù)等七類價(jià)格指數(shù)之間關(guān)聯(lián)特征。由于這些價(jià)格指數(shù)的構(gòu)成復(fù)雜，因此可以采用距離分析來(lái)探討它們之間的關(guān)系。由于都屬于連續(xù)型數(shù)據(jù)，這里可以選擇不相似性測(cè)距中的歐式距離來(lái)測(cè)度。 SPSS在距離分析中的 應(yīng) 用 3. 實(shí) 例 結(jié) 果及分析 （ 1）基本統(tǒng)計(jì)匯總表 表 712是對(duì)個(gè)案的基本統(tǒng)計(jì)匯總分析。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 （ 2）距離矩陣 表 713是根據(jù)歐式距離計(jì)算出的各個(gè)價(jià)格指數(shù)之間的距離。如果距離數(shù)值越小，說(shuō)明兩個(gè)價(jià)格指數(shù)越相關(guān)；反之?？梢钥吹剑用裣M(fèi)價(jià)格指數(shù)和城市居民消費(fèi)價(jià)格指數(shù)、農(nóng)村居民消費(fèi)價(jià)格指數(shù)和商品銷售價(jià)格指數(shù)的距離都較小，說(shuō)明它們都反映了社會(huì)總體或某方面價(jià)格水平的高低；但是它和工業(yè)品出廠價(jià)格指數(shù)、原材料等購(gòu)進(jìn)價(jià)格指數(shù)和固定資產(chǎn)投資價(jià)格指數(shù)的距離都較大，說(shuō)明這些價(jià)格指數(shù)反映的類型有較大差別。其余指數(shù)之間的關(guān)系可以類似分析。 SPSS在距離分析中的 應(yīng) 用 第 8章 SPSS的回歸分析 SPSS 在一元 線 性回 歸 分析中的 應(yīng) 用 一元線性回歸的基本原理 線性回歸模型側(cè)重考察變量之間的數(shù)量變化規(guī)律，并通過(guò)線性表達(dá)式，即線性回歸方程，來(lái)描述其關(guān)系，進(jìn)而確定一個(gè)或幾個(gè)變量的變化對(duì)另一個(gè)變量的影響程度，為預(yù)測(cè)提供科學(xué)依據(jù)。 一般線性回歸的基本步驟如下。 ① 確定回歸方程中的自變量和因變量。 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。 ③ 建立回歸方程，在一定統(tǒng)計(jì)擬合準(zhǔn)則下估計(jì)出模型中的各個(gè)參數(shù)，得到一個(gè)確定的回歸方程。 ④ 對(duì)回歸方程進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)。 ⑤ 利用回歸方程進(jìn)行預(yù)測(cè)。 SPSS 在一元 線 性回 歸 分析中的 應(yīng) 用 基本原理 當(dāng)自變量和因變量之間呈現(xiàn)顯著的線性關(guān)系時(shí)，則應(yīng)采用線性回歸的方法，建立因變量關(guān)于自變量的線性回歸模型。根據(jù)自變量的個(gè)數(shù)，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(rèn)為其他影響因素確定的情況下，分析某一個(gè)因素（自變量）是如何影響因變量的。一元線性回歸的經(jīng)驗(yàn)?zāi)Ｐ褪牵? 式中，表示回歸直線在縱軸上的截距，是回歸系數(shù)，它表示當(dāng)自變量變動(dòng)一個(gè)單位所引起的因變量的平均變動(dòng)值。 01? ??yx???? SPSS 在一元 線 性回 歸 分析中的 應(yīng) 用 在求解出了回歸模型的參數(shù)后，一般不能立即將結(jié)果付諸于實(shí)際問(wèn)題的分析和預(yù)測(cè)，通常要進(jìn)行各種統(tǒng)計(jì)檢驗(yàn)，例如擬合優(yōu)度檢驗(yàn)、回歸方程和回歸系數(shù)的顯著性檢驗(yàn)和殘差分析等。這些內(nèi)容，我們將結(jié)合案例來(lái)具體講解。 一元 線 性回 歸 的 SPSS操作 詳 解 Step01：打開對(duì)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(duì)話框，這是線性回歸分析的主操作窗口。 Step02：選擇因變量 在 【 Linear Regression（線性回歸） 】 對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)變量，將其添加至 【 Dependent（因變量） 】 列表框中，即選擇該變量作為一元線性回歸的因變量。 一元 線 性回 歸 的 SPSS操作 詳 解 Step03：選擇自變量 在 【 Linear Regression（線性回歸） 】 對(duì)話框左側(cè)的候選變量列表框中選擇一個(gè)變量，將其添加至 【 Independent(s)（自變量） 】 列表框中，即選擇該變量作為一元線性回歸的自變量。 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(jìn)入方式 在 【 Method（方法） 】 選項(xiàng)組中可以選擇自變量的進(jìn)入方式，一共有五種方法。可單擊 【 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(dòng)保存于一個(gè)自變量塊（ Block）中。接下來(lái)選擇另一組自變量，單擊 【 Next】 按鈕將它們保存于第二個(gè)自變量塊中。重復(fù)上述操作，可以保存若干個(gè)自變量塊。若需要輸出以哪一組變量為自變量的回歸方程，可以通過(guò)單擊【 Previous】 按鈕和 【 Next】 按鈕來(lái)選擇。 一元 線 性回 歸 的 SPSS操作 詳 解 Step05：樣本的篩選 從主對(duì)話框的候選變量列表框中選擇一個(gè)變量，將其移至 【 Selection Variable（選擇變量） 】 列表框中，這表示要按照這個(gè)變量的標(biāo)準(zhǔn)來(lái)篩選樣本進(jìn)行回歸分析。具體操作可以在 Rule窗口中實(shí)現(xiàn)。 Step06：選擇個(gè)案標(biāo)簽 從候選變量列表框中選擇一個(gè)變量進(jìn)入 【 Case Labels（個(gè)案標(biāo)簽） 】列表框中，它的取值將作為每條記錄的標(biāo)簽。這表示在指定作圖時(shí)，以哪個(gè)變量作為各樣本數(shù)據(jù)點(diǎn)的標(biāo)志變量。 Step07：選擇加權(quán)二乘法變量 從候選變量列表框中選擇一個(gè)變量進(jìn)入 【 WLS Weigh（ WLS權(quán)重） 】 列表框中，表示選入權(quán)重變量進(jìn)行權(quán)重最小二乘法的回歸分析。 Step08：?jiǎn)螕?【 OK】 按鈕，結(jié)束操作， SPSS軟件自動(dòng)輸出結(jié)果。 一元 線 性回 歸 的 SPSS操作 詳 解 執(zhí)行完上述操作后，可以輸出一元線性回歸的基本結(jié)果報(bào)告了。但是線性回歸主對(duì)話框中還包括了其他功能選項(xiàng)。下面列出了它們的具體使用功能。 （ 1） 【 Statistics（統(tǒng)計(jì)量） 】 ：選擇輸出需要的描述統(tǒng)計(jì)量，如圖 82所示。 其中， 【 Regression Coefficients（回歸系數(shù)） 】 復(fù)選框組用于定義回歸系數(shù)的輸出情況， 【 Residuals（殘差） 】 復(fù)選框組用于選擇輸出殘差診斷的信息。 一元 線 性回 歸 的 SPSS操作 詳 解 ? Estimates：可輸出回歸系數(shù) B及其標(biāo)準(zhǔn)誤，回歸系數(shù)的 t檢驗(yàn)值和概率p值，還有標(biāo)準(zhǔn)化的回歸系數(shù) beta。 ? Confidence intervals：每個(gè)回歸系數(shù)的 95%置信區(qū)間。 ? Covariance matrix：方差 協(xié)方差矩陣。 ? Model fit：模型擬合過(guò)程中進(jìn)入、退出的變量的列表；以及一些有關(guān)擬合優(yōu)度的檢驗(yàn)統(tǒng)計(jì)量，例如 R、 R2和調(diào)整的 R估計(jì)值的標(biāo)準(zhǔn)誤及方差分析表。 ? R squared change：顯示每個(gè)自變量進(jìn)入方程后 R F值和 p值的改變情況。 ? 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(shí)還給出一個(gè)自變量間的相關(guān)系數(shù)矩陣。 ? Part and partial correlations：顯示自變量間的相關(guān)、部分相關(guān)和偏相關(guān)系數(shù)。 ? Collinearity diagnostics：多重共線性分析，輸出各個(gè)自變量的特征根、方差膨脹因子、容忍度等。 ? DurbinWatson：殘差序列相關(guān)性檢驗(yàn)。 ? Casewise diagnostic：對(duì)標(biāo)準(zhǔn)化殘差進(jìn)行診斷，判斷有無(wú)奇異值 (Outliers)。 一元 線 性回 歸 的 SPSS操作 詳 解 （ 2） 【 Plots（繪制） 】 ：用于選擇需要繪制的回歸分析診斷或預(yù)測(cè)圖。 一元 線 性回 歸 的 SPSS操作 詳 解 用戶可以根據(jù)上圖從中選擇部分變量作為 X（橫坐標(biāo)）和 Y（縱坐標(biāo)）。同時(shí)還可以通過(guò)單擊 Next按鈕來(lái)重復(fù)操作過(guò)程。繪制更多的圖形。 ? DEPENDENT：因變量。 ? *ZPRED：標(biāo)準(zhǔn)化預(yù)測(cè)值。 ? *ZRESID：標(biāo)準(zhǔn)化殘差。 ? *DRESID：剔除的殘差。 ? ADJPRED：調(diào)整后的預(yù)測(cè)值。 ? SRESID：學(xué)生化殘差。 ? SDRESID：學(xué)生化剔除殘差。 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(xiàng)，可以選擇輸出標(biāo)準(zhǔn)化殘差圖，其中包括以下選項(xiàng)。 ? Histogram：標(biāo)準(zhǔn)化殘差的直方圖。 ? Normal probality plot：標(biāo)準(zhǔn)化殘差的正態(tài)概率圖 (PP 圖 )，將標(biāo)準(zhǔn)化殘差與正態(tài)分布進(jìn)行比較。 ? Produce all partial plots：每一個(gè)自變量對(duì)于因變量殘差的散點(diǎn)圖。 （ 3） 【 Save(保存 )】 ：將預(yù)測(cè)值、殘差或其他診斷結(jié)果值作為新變量保存于當(dāng)前工作文件或新文件。 【 Predicted Values（預(yù)測(cè)值） 】 為預(yù)測(cè)欄，用于選擇輸出回歸模型的預(yù)測(cè)值。 ? Unstandardized：未標(biāo)準(zhǔn)化的預(yù)測(cè)值。 ? Standardized：標(biāo)準(zhǔn)化的預(yù)測(cè)值。 ? Adjusted：經(jīng)調(diào)整的預(yù)測(cè)值。 ? S. E. of mean predictions：預(yù)測(cè)值的標(biāo)準(zhǔn)誤差。 一元 線 性回 歸 的 SPSS操作 詳 解 【 Residuals（殘差） 】 為殘差欄，包含以下選項(xiàng)。 ? Unstandardized：未標(biāo)準(zhǔn)化殘差。 ? Standardized：標(biāo)準(zhǔn)化殘差。 ? Studentized：學(xué)生化殘差。 ? Deleted：剔除殘差。 ? Studentized Deleted：學(xué)生化剔除殘差。 【 Distances（距離） 】 為距離欄，包含以下選項(xiàng)。 ? Mahalanobis：馬氏距離。 ? Cook’s：庫(kù)克距離。 ? Leverage values：杠桿值。 一元 線 性回 歸 的 SPSS操作 詳 解 【 Influence Statistics（影響統(tǒng)計(jì)量） 】 反映剔除了某個(gè)自變量后回歸系數(shù)的變化情況。 ? DfBeta(s)：由排除一個(gè)特定的觀測(cè)值所引起的回歸系數(shù)的變化。 ? Standardized Dfbeta(s)：標(biāo)準(zhǔn)化的 DfBeta值。 ? DfFit：擬合值之差，由排除一個(gè)特定的觀測(cè)值所引起的預(yù)測(cè)值的變化。 ? Standardized DfFit：標(biāo)準(zhǔn)化的 DfFit值。 ? Covariance ratio：帶有一個(gè)特定的剔除觀測(cè)值的協(xié)方差（）陣與帶有全部觀測(cè)量的協(xié)方差矩陣的比率。 【 Predicti