（3）选择分析变量：将“身高”、“体重”和“肺活量”分别移入分析变量框中 。
（4）选择相关分析方法：在相关系数栏有三种相关系数，分别对应三种方法，供使用者选择 。
（5）显著性检验：双侧检验、单侧检验 。
（6）“标记显著性检验”复选项：选中该复选项，输出结果中在相关系数右上角用“*”表示显著性水平为5%，用“**”表示显著水平为1% 。
（7）“选项”对话框：本例在统计时项选择“均值和标准差”，在缺失值选项选择默认，即“按对排除个案” 。
1.2 偏相关分析
简单相关关系只反映两个变量之间的关系，但如果因变量受到多个因素的影响时，因变量与某一自变量之间的简单相关关系显然受到其他相关因素的影响，不能真实地反映二者之间的关系，所以需要考察在其他因素的影响剔除后二者之间的相关程度，即偏相关分折 。
2 线性回归分析(Regression)
线性回归是统计分析方法小最常用的方法之一 。如果所研究的现象有若干个影响因素，且这些因素对现象的综合影响是线性的，则可以使用线件回归的方法建立现象(因变量)与影响因素(自变量)之间的线性函数关系式 。
2.1线性回归模型假设条件与模型的各种检验
1．回归系数的检验(T检验)；
2．回归方程的检验(F检验)；
3．拟合程度判定(可决系数R2)；
4．D．W检验(残差项是否自相关)；
5．共线性检验(多元线性回归) 。
6．残差图示分析(判断残差序列异方差性和自相关) 。
2.2线性回归分析的具体步骤
例3.10：考察中国居民收入与消费支出的关系 。数据文件名称“居民消费水平.sav” 。变量说明：GDPP：人均国内生产总值 CONSP：人均居民消费
（1）建立数据文件“居民消费水平.sav” 。
（2）选择“分析” →“回归” →“线性”，打开线性回归分析对话框 。
（3）选择因变量和自变量：将人均居民消费“CONSP” 移入因变量框中； （4）在线性回归窗口中点击“统计量”，打开线性回归统计量窗口，对统计量进行设置 。
（5）在线性回归窗口中点击“绘制”，打开、“线性回归：图” 窗口，选择绘制标准化残差图，其中的正态概率图是rankit图 。同时还需要画出残差图，Y轴选择：ZRESID，X轴选择: ZPRED 。
（6）在线性回归窗口中点击“选项”，打开、“线性回归：选项” 窗口 。
◆ 步进方法标准单选钮组：设置纳入和排除标准，可按P值或F值来设置；
◆ 在等式中包含常量复选框：用于决定是否在模型中包括常数项，默认选中 。
3 曲线估计(Curve Estimation)
上节介绍了线性回归模型的分析和检验方法 。如果某对变量数据的散点图不是直线，而是某种曲线的形式时，可以利用曲线估计的方法为数据寻求一条合适的曲线，也可用变量代换的方法将曲线方程变为直线方程 。用线性回归模型进行分析和预测 。
推荐阅读
- 银镯子变形了怎样弄圆 银镯子变圆的方法
- 原神松茸怎么获得松茸获得方法 原神松茸如何获得
- 龙虾尾炒芹菜怎么做 制作龙虾尾炒芹菜的方法
- 怎样把两张图片合成一张 将两张图片合成一张的方法
- 巴西木浇水的正确方法 巴西木浇水怎么做
- 效果最好的6种推广法 网络营销推广方法有哪些
- 如何在微博开启青少年模式 微博开启青少年模式的方法
- 冬笋怎么剥皮 冬笋剥皮方法
- 凌云诺怎么抽到极品随从 凌云诺抽到极品随从的方法
- 公积金卡丢了怎么补办？具体方法总结如下