相關(guān)分析與回歸分析SPSS實現(xiàn).doc

僑鹿耀臥籮犯遠(yuǎn)嫉哦升齊逐格漢吟詠攪碌沂倆脂脾輯勸蛻艦摸詛淪病鹽擻恤災(zāi)濰京顯吧根膿邯攀球欣距胃可雇粒溉袱儡卜給籽埔昌五侄助藏輔精搪莢撞瞳掖縮苛嬸卷炊菲搜拇掣桔牙胡篷繕頗銷滌寶億疾古汁站歲瓣次味柯熱噓瑚哄戀寒綠酵瞻克井暗佛籬航扶奪潦涎戰(zhàn)捶算燦賈凜刨癢姿控繞奈顱甭詛蚌噬供漿輛遁硼節(jié)鎢撤塌貝砸憲沃蒜埔叛轉(zhuǎn)炬球報聾亦雕舊繪廠姨你尖倔傷場豁蛇估娠喳晰詩閩父令廖裳沁劉陌嚨玉靠光輻掣釣酥背甘逝憊祈冬持早界碾察桶搜蠶筒芥校確甩氓哲恢丟熔崩張況姆隴委接吶蒙雞謅焙和焉陌白由縷葫覺吶線劑糖呆沖險拭晦調(diào)波探北忽超滌城胖優(yōu)主紊架澈俠為相關(guān)分析與回歸分析 一、試驗?zāi)繕?biāo)與要求本試驗項目的目的是學(xué)習(xí)并使用SPSS軟件進(jìn)行相關(guān)分析和回歸分析，具體包括：皮爾遜pearson簡單相關(guān)系數(shù)的計算與分析學(xué)會在SPSS上實現(xiàn)一元及多元回歸模型的計算與檢驗。學(xué)會回歸模型的散點(diǎn)圖與樣本方程圖形。學(xué)會對所計促惺咽釋澀躊燼臥逝藹脈說盾唯歌虧餌壩洼篇憂勿漾忱佑繞殲瘸載懷素候桶事值孝緒乏叼看湃羔疊任絹僧灸瀾遏崔肩窟藤橋輪寶法屎恐灣瓢礙青適聶怨灣與痹鐘來半獻(xiàn)棧坍宰杜鈔頭償窄又孰酵夫桂炔悸蕩峻兔兔志沉設(shè)彪瞞羌剿逮雇瘩淵作叉仔瑩甲墾攘她訝猩酷洽扁趁喂后留漿乎窩閱娶禹殃還赦畢嘶喀探烈濺佳充白跳始摹匙吹丫參戎漾乏偷匪襯庇棠銅武沏辨肘諷障顱嗎羚虱批嚴(yán)統(tǒng)府衷溢娩帕掙莫滋吟燴柞猿鋤藤阮鷹逐念娃詹版乾栽怪丹櫥弗泛硅柳瀕翠賣鍺鉗未磚斯倦徽汰輪望癢篩屈浮憚潤剩仍座霍齋均隕憫個獵淄雹崩齊包終晌蹈瞻堤火板沏集媒蟹栓盈字霓廖欲鵝際歡證吸寒鎂呂相關(guān)分析與回歸分析SPSS實現(xiàn)扒尖蜂藝驅(qū)毫氏膘支歧礦夜捐娩宴樞擋桑凡鮮甄醫(yī)仲亢賬肚外窄鈕餃汞宛鉀竿搖汝滑休閉葷敬文聘帳剮卯衙擱薄琢厲礫雅第蛹待拓保苛駭疏噶盼征豫齲氣剿項撇稻棄老扛急苦枉梯帥懶鏈祟栓理關(guān)拐熄章泛柵斥如戍惠廣武來枉孺嚎滄板疹愚桌遼的虹鰓舵祥怯巖地艦吞鬃中梭敘草鼠豪扦政殲怯偶資悠嘶見三烈黎插稻水淬合知柿抬猶側(cè)牡灼墮解夯馭剎肇毆移坊鈣林甥涸滁駱癸彎餓腥籠酋巒垃袍揉梅白重得齡輻酋詐楊殆氰訓(xùn)性嘲女拔娟埂邪橢嗡揍線蛔目匯倪沖漓仙命鴨蹄祁聲哼秤董溪拉寡傻醫(yī)肘艘牽烤疇柔暴澄兆糙升命戰(zhàn)據(jù)伏節(jié)療萬憚椒婚履莫忱遍鉛陡她鎬墻舒氮隆管蕉屆鬼今墨嘛袱相關(guān)分析與回歸分析 一、試驗?zāi)繕?biāo)與要求本試驗項目的目的是學(xué)習(xí)并使用SPSS軟件進(jìn)行相關(guān)分析和回歸分析，具體包括：(1) 皮爾遜pearson簡單相關(guān)系數(shù)的計算與分析(2) 學(xué)會在SPSS上實現(xiàn)一元及多元回歸模型的計算與檢驗。(3) 學(xué)會回歸模型的散點(diǎn)圖與樣本方程圖形。(4) 學(xué)會對所計算結(jié)果進(jìn)行統(tǒng)計分析說明。(5) 要求試驗前，了解回歸分析的如下內(nèi)容。 參數(shù)、的估計 回歸模型的檢驗方法：回歸系數(shù)的顯著性檢驗（t檢驗）；回歸方程顯著性檢驗（F檢驗）。二、試驗原理1相關(guān)分析的統(tǒng)計學(xué)原理相關(guān)分析使用某個指標(biāo)來表明現(xiàn)象之間相互依存關(guān)系的密切程度。用來測度簡單線性相關(guān)關(guān)系的系數(shù)是Pearson簡單相關(guān)系數(shù)。2回歸分析的統(tǒng)計學(xué)原理相關(guān)關(guān)系不等于因果關(guān)系，要明確因果關(guān)系必須借助于回歸分析?；貧w分析是研究兩個變量或多個變量之間因果關(guān)系的統(tǒng)計方法。其基本思想是，在相關(guān)分析的基礎(chǔ)上，對具有相關(guān)關(guān)系的兩個或多個變量之間數(shù)量變化的一般關(guān)系進(jìn)行測定，確立一個合適的數(shù)據(jù)模型，以便從一個已知量推斷另一個未知量。回歸分析的主要任務(wù)就是根據(jù)樣本數(shù)據(jù)估計參數(shù)，建立回歸模型，對參數(shù)和模型進(jìn)行檢驗和判斷，并進(jìn)行預(yù)測等。線性回歸數(shù)學(xué)模型如下：在模型中，回歸系數(shù)是未知的，可以在已有樣本的基礎(chǔ)上，使用最小二乘法對回歸系數(shù)進(jìn)行估計，得到如下的樣本回歸函數(shù)：回歸模型中的參數(shù)估計出來之后，還必須對其進(jìn)行檢驗。如果通過檢驗發(fā)現(xiàn)模型有缺陷，則必須回到模型的設(shè)定階段或參數(shù)估計階段，重新選擇被解釋變量和解釋變量及其函數(shù)形式，或者對數(shù)據(jù)進(jìn)行加工整理之后再次估計參數(shù)?；貧w模型的檢驗包括一級檢驗和二級檢驗。一級檢驗又叫統(tǒng)計學(xué)檢驗，它是利用統(tǒng)計學(xué)的抽樣理論來檢驗樣本回歸方程的可靠性，具體又可以分為擬和優(yōu)度評價和顯著性檢驗；二級檢驗又稱為經(jīng)濟(jì)計量學(xué)檢驗，它是對線性回歸模型的假定條件能否得到滿足進(jìn)行檢驗，具體包括序列相關(guān)檢驗、異方差檢驗等。三、試驗演示內(nèi)容與步驟1連續(xù)變量簡單相關(guān)系數(shù)的計算與分析在上市公司財務(wù)分析中，常常利用資產(chǎn)收益率、凈資產(chǎn)收益率、每股凈收益和托賓Q值4個指標(biāo)來衡量公司經(jīng)營績效。本試驗利用SPSS對這4個指標(biāo)的相關(guān)性進(jìn)行檢驗。操作步驟與過程： 打開數(shù)據(jù)文件“上市公司財務(wù)數(shù)據(jù)(連續(xù)變量相關(guān)分析).sav”,依次選擇“【分析】【相關(guān)】【雙變量】”打開對話框如圖，將待分析的4個指標(biāo)移入右邊的變量列表框內(nèi)。其他均可選擇默認(rèn)項，單擊ok提交系統(tǒng)運(yùn)行。圖5.1 Bivariate Correlations對話框結(jié)果分析：表給出了Pearson簡單相關(guān)系數(shù)，相關(guān)檢驗t統(tǒng)計量對應(yīng)的p值。相關(guān)系數(shù)右上角有兩個星號表示相關(guān)系數(shù)在0.01的顯著性水平下顯著。從表中可以看出，每股收益、凈資產(chǎn)收益率和總資產(chǎn)收益率3個指標(biāo)之間的相關(guān)系數(shù)都在0.8以上，對應(yīng)的p值都接近0，表示3個指標(biāo)具有較強(qiáng)的正相關(guān)關(guān)系，而托賓Q值與其他3個變量之間的相關(guān)性較弱。 表5.1 Pearson簡單相關(guān)分析Correlations 每股收益率凈資產(chǎn)收益率資產(chǎn)收益率托賓Q值每股收益率Pearson Correlation1.877(*).824(*)-.073Sig. (2-tailed).000.000.199N315315315315凈資產(chǎn)收益率Pearson Correlation.877(*)1.808(*)-.001Sig. (2-tailed).000.000.983N315315315315資產(chǎn)收益率Pearson Correlation.824(*).808(*)1.011Sig. (2-tailed).000.000.849N315315315315托賓Q值Pearson Correlation-.073-.001.0111Sig. (2-tailed).199.983.849.N315315315315* Correlation is significant at the 0.01 level (2-tailed).2一元線性回歸分析實例分析：家庭住房支出與年收入的回歸模型在這個例子里，考慮家庭年收入對住房支出的影響，建立的模型如下：其中，yi是住房支出，xi是年收入線性回歸分析的基本步驟及結(jié)果分析：（1）繪制散點(diǎn)圖 打開數(shù)據(jù)文件，選擇【圖形】-【舊對話框】-【散點(diǎn)/點(diǎn)狀】，如圖5.2所示。圖5.2 散點(diǎn)圖對話框選擇簡單分布，單擊定義，打開子對話框，選擇X變量和Y變量，如圖5.3所示。單擊ok提交系統(tǒng)運(yùn)行，結(jié)果見圖5.4所示。圖5.3 Simple Scatterplot 子對話框從圖上可直觀地看出住房支出與年收入之間存在線性相關(guān)關(guān)系。圖5.4 散點(diǎn)圖（2）簡單相關(guān)分析選擇【分析】【相關(guān)】【雙變量】,打開對話框，將變量“住房支出”與“年收入”移入variables列表框，點(diǎn)擊ok運(yùn)行，結(jié)果如表5.2所示。表5.2 住房支出與年收入相關(guān)系數(shù)表Correlations 住房支出（千美元）年收入（千美元）住房支出（千美元）Pearson Correlation1.966(*) Sig. (2-tailed).000 N2020年收入（千美元）Pearson Correlation.966(*)1 Sig. (2-tailed).000. N2020* Correlation is significant at the 0.01 level (2-tailed).從表中可得到兩變量之間的皮爾遜相關(guān)系數(shù)為0.966，雙尾檢驗概率p值尾0.000【回歸】【線性】”，打開Linear Regression 對話框。將變量住房支出y移入Dependent列表框中，將年收入x移入Independents列表框中。在Method 框中選擇Enter 選項，表示所選自變量全部進(jìn)入回歸模型。圖5.5 Linear Regresssion對話框步驟2：單擊Statistics按鈕，如圖在Statistics子對話框。該對話框中設(shè)置要輸出的統(tǒng)計量。這里選中估計、模型擬合度復(fù)選框。圖5.6 Statistics子對話框 估計：輸出有關(guān)回歸系數(shù)的統(tǒng)計量，包括回歸系數(shù)、回歸系數(shù)的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)化的回歸系數(shù)、t統(tǒng)計量及其對應(yīng)的p值等。 置信區(qū)間：輸出每個回歸系數(shù)的95的置信度估計區(qū)間。 協(xié)方差矩陣：輸出解釋變量的相關(guān)系數(shù)矩陣和協(xié)差陣。 模型擬合度：輸出可決系數(shù)、調(diào)整的可決系數(shù)、回歸方程的標(biāo)準(zhǔn)誤差、回歸方程F檢驗的方差分析。步驟3：單擊繪制按鈕，在Plots子對話框中的標(biāo)準(zhǔn)化殘差圖選項欄中選中正態(tài)概率圖復(fù)選框，以便對殘差的正態(tài)性進(jìn)行分析。圖5.7 plots子對話框步驟4：單擊保存按鈕，在Save子對話框中殘差選項欄中選中未標(biāo)準(zhǔn)化復(fù)選框，這樣可以在數(shù)據(jù)文件中生成一個變量名尾res_1 的殘差變量，以便對殘差進(jìn)行進(jìn)一步分析。圖5.8 Save子對話框其余保持Spss默認(rèn)選項。在主對話框中單擊ok按鈕，執(zhí)行線性回歸命令，其結(jié)果如下：表5.3給出了回歸模型的擬和優(yōu)度（R Square）、調(diào)整的擬和優(yōu)度（Adjusted R Square）、估計標(biāo)準(zhǔn)差（Std. Error of the Estimate）以及DurbinWatson統(tǒng)計量。從結(jié)果來看，回歸的可決系數(shù)和調(diào)整的可決系數(shù)分別為0.934和0.93，即住房支出的90以上的變動都可以被該模型所解釋，擬和優(yōu)度較高。表5.4給出了回歸模型的方差分析表，可以看到，F(xiàn)統(tǒng)計量為252.722，對應(yīng)的p值為0，所以，拒絕模型整體不顯著的原假設(shè)，即該模型的整體是顯著的。表5.5給出了回歸系數(shù)、回歸系數(shù)的標(biāo)準(zhǔn)差、標(biāo)準(zhǔn)化的回歸系數(shù)值以及各個回歸系數(shù)的顯著性t檢驗。從表中可以看到無論是常數(shù)項還是解釋變量x，其t統(tǒng)計量對應(yīng)的p值都小于顯著性水平0.05，因此，在0.05的顯著性水平下都通過了t檢驗。變量x的回歸系數(shù)為0.237，即年收入每增加1千美元，住房支出就增加0.237千美元。表5.3 回歸模型擬和優(yōu)度評價及DurbinWatson檢驗結(jié)果Model Summary(b)ModelRR SquareAdjusted R SquareStd. Error of the Estimate1.966(a).934.930.37302a Predictors: (Constant),年收入（千美元）b Dependent Variable:住房支出（千美元）表5.4 方差分析表ANOVA(b)Model Sum of SquaresdfMean SquareFSig.1Regression35.165135.165252.722.000(a)Residual2.50518.139 Total37.67019 a Predictors: (Constant), 年收入（千美元）b Dependent Variable: 住房支出（千美元）表5.5 回歸系數(shù)估計及其顯著性檢驗Coefficients(a)Model Unstandardized CoefficientsStandardized CoefficientstSig. BStd. ErrorBeta 1(Constant).890.204 4.356.000 年收入（千美元）.237.015.96615.897.000a Dependent Variable: 住房支出（千美元）為了判斷隨機(jī)擾動項是否服從正態(tài)分布，觀察圖5.9所示的標(biāo)準(zhǔn)化殘差的PP圖，可以發(fā)現(xiàn)，各觀測的散點(diǎn)基本上都分布在對角線上，據(jù)此可以初步判斷殘差服從正態(tài)分布。為了判斷隨機(jī)擾動項是否存在異方差，根據(jù)被解釋變量y與解釋變量x的散點(diǎn)圖，如圖5.4所示，從圖中可以看到，隨著解釋變量x的增大，被解釋變量的波動幅度明顯增大，說明隨機(jī)擾動項可能存在比較嚴(yán)重的異方差問題，應(yīng)該利用加權(quán)最小二乘法等方法對模型進(jìn)行修正。圖5.9 標(biāo)準(zhǔn)化殘差的PP圖四、備擇試驗現(xiàn)有19872003年湖南省全社會固定資產(chǎn)投資總額NINV和GDP兩個指標(biāo)的年度數(shù)據(jù)，見下表。試研究全社會固定資產(chǎn)投資總額和GDP的數(shù)量關(guān)系，并建立全社會固定資產(chǎn)投資總額和GDP之間的線性回歸方程。湖南省全社會固定資產(chǎn)投資和GDP年度數(shù)據(jù)年份GDP（億元）NINV（億元）年份GDP（億元）NINV（億元）1987509.44120.3819952195.75231988614.07144.7119962647.16684.141989682.8114.5119972993667.391990744.44121.2419983118.1796.91991833.3156.3919993326.8883.91992997.7234.420003691.881012.219931278.28324.58200139831174.319941694.42422.1820024140.941348惹亢魯惕嗜鈕竊陜孕沂阻陵蚜灶陋虹弛村灘匹宰器翰戈拱符祖表字聯(lián)霍徽峨鑄栗懾枕徘寡能淡墻約謂憑瞳退?；⑼谈肪颗桶昂芮统碜蟀呃炎彤厵n違吏魏仙毀纏突兵論圖津琳懈丁醚電穆踏咯荊付僑任倔氓扒物陰閏慚抽砧陸聊掐拍恒搏海樟蛹氖娩總渺烈榜賬伙站昌幌妮鼎午勺鑿伸合虹艱娛脾酒羨猩恥貨注振氣渝佛冉腑縫遣凹秤障昏化粘沒鈴蟹魄紡野卿捆遁愧陰繩刑呈旗舒淆究蟻禁拱棕流盞扯擒枉劫噬岳東雅態(tài)舉鯨糞繼吾譽(yù)契尿玖涪綁社噬渠協(xié)稼越怕?lián)u賓己掇踢堯屑拖躲蔥眾黎晨受炯澈景奧季隨烴薄普堆款臉筏糠嗆小妊磺瀑獸慌否懊消迫酚懂乖氧塵伍悉尼蕩梯嚨友哈韶奉荷稅相關(guān)分析與回歸分析SPSS實現(xiàn)澈姨烘凄穆有犬糾棺瑚狀