相关分析与回归分析
一、试验目标与要求
本试验项目的目的是学习并使用SPSS软件进行相关分析与回归分析，具体包括：
(1)皮尔逊pearson简单相关系数的计算与分析
(2)学会在SPSS上实现一元及多元回归模型的计算与检验。
(3)学会回归模型的散点图与样本方程图形。
(4)学会对所计算结果进行统计分析说明。
(5)要求试验前，了解回归分析的如下内容。
参数α、β的估计
回归模型的检验方法：回归系数β的显著性检验（t－检验）；回归
方程显著性检验（F－检验）。
二、试验原理
1．相关分析的统计学原理
相关分析使用某个指标来表明现象之间相互依存关系的密切程度。用来测度简单线性相关关系的系数是Pearson简单相关系数。
2．回归分析的统计学原理
相关关系不等于因果关系，要明确因果关系必须借助于回归分析。回归分析是研究两个变量或多个变量之间因果关系的统计方法。其基本思想是，在相关分析的基础上，对具有相关关系的两个或多个变量之间数量变化的一般关系进行测定，确立一个合适的数据模型，以便从一个已知量推断另一个未知量。回归分析的主要任务就是根据样本数据估计参数，建立回归模型，对参数与模型进行检验与判断，并进行预测等。
线性回归数学模型如下：
y i 01x i12x i2k x i k i
在模型中，回归系数是未知的，可以在已有样本的基础上，使用最小二乘法对回归系数进行估计，得到如下的样本回归函数：
ˆˆˆˆ
y i 0 1x i12x i2k x i k e i
回归模型中的参数估计出来之后，还必须对其进行检验。如果通过检验发现模型有缺陷，则必须回到模型的设定阶段或参数估计阶段，重新选择被解释
变量与解释变量及其函数形式，或者对数据进行加工整理之后再次估计参数。回归模型的检验包括一级检验与二级检验。一级检验又叫统计学检验，它是利用统计学的抽样理论来检验样本回归方程的可靠性，具体又可以分为拟与优度评价与显著性检验；二级检验又称为经济计量学检验，它是对线性回归模型的假定条件能否得到满足进行检验，具体包括序列相关检验、异方差检验等。
三、试验演示内容与步骤
1．连续变量简单相关系数的计算与分析
在上市公司财务分析中，常常利用资产收益率、净资产收益率、每股净收益与托宾Q值4个指标来衡量公司经营绩效。本试验利用S PSS对这4个指标的相关性进行检验。操作步骤与过程：
打开数据文件“上市公司财务数据(连续变量相关分析).sav”,依次选择“【分析】→【相关】→【双变量】”打开对话框如图，将待分析的4个指标移入右边的变量列表框内。其他均可选择默认项，单击ok提交系统运行。
图5.1 Bivariate Correlations对话框
结果分析：
表给出了Pearson简单相关系数，相关检验t统计量对应的p值。相关系数右上角有两个星号表示相关系数在0.01的显著性水平下显著。从表中可以看出，
每股收益、净资产收益率与总资产收益率3个指标之间的相关系数都在0.8以上，对应的p值都接近0，表示3个指标具有较强的正相关关系，而托宾Q值与其他3个变量之间的相关性较弱。
表5.1 Pearson简单相关分析
Correlations
每股收益率净资产收
益率资产收益率托宾Q值
每股收益率Pearson
Correlation
Sig. (2-tailed)
N
净资产收益率Pearson
Correlation
Sig. (2-tailed)
N
资产收益率Pearson
Correlation
Sig. (2-tailed)
N
托宾Q值Pearson
Correlation
Sig. (2-tailed)
N
1
.
315
.877(**)
.000
315
.824(**)
.000
315
-.073
.199
315
.877(**)
.000
315
1
.
315
.808(**)
.000
315
-.001
.983
315
.824(**)
.000
315
.808(**)
.000
315
1
.
315
.011
.849
315
-.073
.199
315
-.001
.983
315
.011
.849
315
1
.
315
** Correlation is significant at the0.01level (2-tailed).
2．一元线性回归分析
实例分析：家庭住房支出与年收入的回归模型
在这个例子里，考虑家庭年收入对住房支出的影响，建立的模型如下：
y i xi i
其中，yi是住房支出，xi是年收入
线性回归分析的基本步骤及结果分析：
（1）绘制散点图打开数据文件，选择【图形】-【旧对话框】-【散点/点状】，如图5.2所示。
