spss非线性回归分析步骤_《谁说菜鸟不懂数据分析SPSS篇》读书笔记3

目录

1. 相关分析
2. 回归分析
3. 自动线性建模
4. Logistic回归
5. 时间序列回归

---

一.相关分析

相关关系指现象之间存在的非严格的、不确定的依存关系。这种依存关系的特点是：某一现象在数量上发生变化会影响另一现象数量上的变化，且这种变化在数量上具有一定的随机性。即当给定某一现象一个数值，另一现象会有若干个数值与之对应，并且总是遵循一定的规律围绕这些数值的平均数上下波动，其原因是影响现象发生变化的因素不止一个。

相关关系可分为线性相关和非线性相关。线性相关指当一个连续变量发生变动时，另一个连续变量相应地呈线性关系变动，用皮尔逊（Pearson）相关系数r度量。r取值范围限于【-1，1】r>0表线性正相关,r<0表线性负相关，r=0表示两变量间不存在相关关系。

进行相关分析前先绘制散点图观察变量间的相关性。散点图绘制SPSS操作方法：单击【图形】菜单，选择【旧对话框】——【散点图/点图】，打开对话框选择【简单散点图】，将要观察的两变量分别移至X轴和Y轴，单击【确定】。相关分析SPSS操作方法：单击【分析】菜单，选择【相关】——【双变量】，将变量移至右侧【变量】框中，【相关系数】框勾选【皮尔逊】，其他保持默认设置。

二.回归分析

（1）回归函数关系和回归分析

回归函数关系是现象间存在依存关系，对于某一变量的每一个数值都有另一变量值与之对应。这种依存关系可用数字表达式反映出来。

回归分析是通过建立因变量Y和影响它的自变量Xi（i=1，2，3......)间的回归模型,衡量自变量Xi对因变量的影响能力，进而用来预测因变量的发展趋势。回归分析模型包括线性回归和非线性回归两种。线性回归又分为简单线性回归，多重线性回归。非线性回归需要通过对数转化等方式，将其转化为线性回归的形式进行研究。

相关分析和回归分析的联系：两者均为研究及测度两个及两个以上变量之间关系的方法