第八节 统计指标影响因素的分析

在公共管理工作中，经常会迂到下列一些情况：各种工作统计指标间有相互关联与相互影响；工作中要找出有关统计指标的主要影响因素；要利用一些统计指标去预测预报；开展一些对照调查比较；“抓两头”的工作方法（发现工作中“好”的典型与“差”的典型，这也就是统计学中的“二分变量”或“两分类变量”），了解产生“好”的典型与“差”的典型的主要原因，以便采取对策措施等等。本节主要介绍这方面的有关内容。
Ⅰ．影响因素间的相关系数计算
1. 相关系数计算的实例
例如：某公司统计了 1～8 月份销售额（y，万元）与广告费用（x1，万元）及经营人员数（x2）的关系，数据见表 11-1。
表 11-1 某公司销售额、广告费用和经营人员数的关系
----------------------------------------------------------------------------
月份 销售额（y） 广告费用（x1） 经营人员数（x2）
(1) (2) (3) (4)
----------------------------------------------------------------------------
1 260 17 29
2 300 18 32
3 240 16 25
4 320 19 34
5 310 18 33
6 290 18 31
7 270 17 30
8 270 18 30
-----------------------------------------------------------------------------
要计算 y、x1 与 x2 之间的相关系数，在程序文件 RelatedFactors.sps 中的 BEGIN DATA 与 END DATA 间，录入y、x1 与 x2 的数据。
* Analysis for influence factors; Filename: RelatedFactors.SPS.
*-------------------------------------------------------------------.
*1. Analysis on related factors:.
DATA LIST FREE /y x1 x2.
BEGIN DATA.
260 17 29 300 18 32 240 16 25 320 19 34
310 18 33 290 18 31 270 17 30 270 18 30
END DATA.
CORRELATIONS /VARIABLES=y x1 x2.
REGRESSION /STATISTICS=COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10) CIN(95)
/NOORIGIN
/DEPENDENT=y
/METHOD=ENTER x1 x2
/CASEWISE=PLOT(ZRESID) ALL
/SAVE=PRED MCIN ICIN RESID.
REGRESSION /STATISTICS=COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10) CIN(95)
/NOORIGIN
/DEPENDENT y
/METHOD=STEPWISE x1 x2
/CASEWISE=PLOT(ZRESID) ALL
/SAVE=PRED MCIN ICIN RESID.
*------------------------------------------------------------------.
2. 计算相关系数的命令
计算相关系数需用 CORRELAION 命令，此命令 CORRELATION 产生方法、步骤是：
SPSS 程序编辑窗主菜单 Analyze → 选 Correlate （相关分析） → 选 Bivariate （双变量间的相关分析，出现 Bivariate Correlations 窗口 → 将 y、x1 和 x2 均选入右边的Variables 窗口中，默认计算 Pearson 相关系数（Correlation coefficients）→ Paste，即出现程序文件中的命令：CORRELATIONS /VARIABLES = y x1 x2.
运算结果：y 与 x1 间相关系数 r = 0.905, P=0.002；
y 与 x2 间相关系数 r = 0.967, P=0.000；
x1 与 x2 间相关系数 r = 0.926, P=0.001；
Correlations
Y X1 X2
Y Pearson Correlation 1.000 .905 .967
Sig. (2-tailed) . .002 .000
N 8 8 8
X1 Pearson Correlation .905 1.000 .926
Sig. (2-tailed) .002 . .001
N 8 8 8
X2 Pearson Correlation .967 .926 1.000
Sig. (2-tailed) .000 .001 .
N 8 8 8