任意多个变量都可以考虑相关问题，不单单局限于两个变量，一次可以分析多个变量的相关性

任意测量尺度的变量都可以测量相关强度，不单单仅可以测连续与连续变量的相关性，连续变量和有序分类变量，连续变量和无序分类变量都可以测量相关性，不过衡量指标我们不常接触而已

连续与连续变量的相关性常用术语

两变量呈线性共同增大

呈线性一增一减

两变量存在相关趋势

并非线性，而是呈各种可能的曲线趋势

正相关与负相关

相关分析对应SPSS位置（分析--相关）

双变量过程（例子 ：考察信心指数值和年龄的 相关性 ）

§ 进行两个/多个变量间的参数/非参数相关分析

§ 如果是多个变量，则给出两两相关的分析结果

偏相关过程（例子： 在控制家庭收入 QS9 对总信心指数影响的前提下，考察总信心指数值和年龄的相关性。 ）

§ 对其他变量进行控制

§ 输出控制其他变量影响后的相关系数

§ 对同一变量内部各观察单位间的数值或各个不同变量间进行相似性或不相似性（距离）分析

§ 前者可用于检测观测值的接近程度

§ 后者则常用于考察各变量的内在联系和结构

§ 一般不单独使用，而是作为 多维标度分析（multidimensional scaling ,MDS） 的预分析过程

相关分析和回归分析的关系

研究两个变量间的紧密程度：相关分析

研究因变量随自变量的变化：回归分析

回归分析概述

因变量：连续变量

自变量：通常为连续变量，也可以是其他类型

研究一个连续性变量 （因变量） 的取值随着其它变量（自变量）的数值变化而变化的趋势

通过回归方程解释两变量之间的关系显的更为精确，可以计算出自变量改变一个单位时因变量平均改变的单位数量，这是相关分析无法做到的

除了描述两变量的关系以外，通过回归方程还可以进行预测和控制，这在实际工作中尤为重要

§ 回归分析假定自变量对因变量的影响强度是始终保持不变的，如公式所示：

§ 对于因变量的预测值可以被分解成两部分：

§ 常量（ constant ）： x 取值为零时 <

SPSS（五）SPSS之相关分析与线性回归模型（图文+数据集）在讲解线性回归模型之前，先来学习相关分析的知识点，因为相关分析与回归有着密切的联系相关分析 任意多个变量都可以考虑相关问题，不单单局限于两个变量，一次可以分析多个变量的相关性 任意测量尺度的变量都可以测量相关强度，不单单仅可以测连续与连续变量的相关性，连续变量和有序分类变量，连续变量和无序分类变量都可以测量相关性... 按照个体（记录）的特征将它们分类，使同一类别内的个体具有尽可能高的同质性，而类别之间则具有尽可能高的异质性。 为了得到比较合理的分类，首先要采用适当的指标来定量地描述研究对象之间的联系的紧密程度。 假定研究对象均用所谓的“ 点 ”来表示。在聚类分析中，一般的规则是将“距离”较小的 点 归为同一类，将“距离”较大的 点 归为不同的类。 常见...