spss统计第九章.pptVIP

第九讲 相关分析 变量间的关系——有关与无关 寻找变量间的关系是科学研究的首要目的。 任何两种事物或现象之间都可能存在关联： 身高与体重 升学与学习成绩 气温与户外活动时间 性别与对某产品的喜好程度 吸烟与患病 … 两变量相关关系的统计类型 变量间关系的强度 变量关系强度的含义:指两个变量相关程度的高低。统计学中通常从以下的角度分析： A）两变量是否相互独立。 B）两变量是否有共变趋势。 C）一变量的变化多大程度上能由另一变量的变化来解释。 变量间关系强度测量的主要指标 散点图 scatterplot 为了确定相关变量之间的关系，首先应该收集一些数据，这些数据应该是成对的。 例如，每人的身高和体重。然后在直角坐标系上描述这些点，这一组点集称为散点图。 变量间相关关系的性质 直线相关与曲线相关 正相关与负相关 完全相关与完全不相关（零相关） 变量间的相关系数 相关系数：通过统计分析计算出的表示变量间关系强度及方向的数值。 r的取值范围：在-1和1之间的任何值。 正相关时，r值在0和1之间，其意义为当一个变量增加，另一个变量也增加；负相关时，r值在-1和0之间，其意义为当一个变量增加，另一个变量将减少。 r的绝对值越接近1，两变量的关联程度越强；r的绝对值越接近0，两变量的关联程度越弱。 相关分析—— Correlate菜单 相关分析用于描述两个变量间联系的密切程度，其特点是变量不分主次，被置于同等的地位。 Analyze---Correlate Bivariate…相关分析 Partial…偏相关分析 Distances…相似性测度 Analyze---correlate命令详解 Bivariate过程：用于进行两个或多个变量间的相关分析，如为多个变量，给出两两相关的分析结果。 Partial过程：当要进行相关分析的两个变量均受其他变量的影响，这时就需要通过计算偏相关来控制（消除）其他变量的影响，得到二者的纯净相关。 Distances过程：用于考查变量间相似或不相似程度，一般不单独使用，而是作为其他方法的预分析。 Analyze---correlate---Bivariate 单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框： Analyze—Correlate—Bivariate Pearson:正态连续双变量，为默认选项。 Kendall’ tau-b:肯德尔等级相关，适合定序变量或不满足正态分布假设的定距以上数据。 Sperman:等级（秩次）相关，适合定序变量或不满足正态分布假设的定距以上数据。 Flag significant correlations:是否用星号表示显著。在输出结果中，相关系数的右上角上有“＊”则表示显著性水平为0.05；右上角上有“＊＊”则表示显著性水平为0.01。 Options：选择输出描述指标（平均数、标准差、离均差平方和及协方差） 分析步骤 1）作散点图，看hot和swim是否有相关。 2）输入数据，依次单击Analyze—Correlate—Bivariate，打开Bivariate Correlations对话框 3）选择hot 和swim变量进入 Variables框中 4）Correlation Coefficients、Test of Significance、 Flag significant correlation按默认选项 5）单击Options按钮，选择Mean and standard deviations选项。 6）单击OK完成。 Analyze---correlate--- Partial Analyze---correlate--- Partial Controlling for：输入要控制（消除影响作用）的变量。 Options： Zero-order correlations 给出包括控制变量在内的全部变量的相关矩阵。 偏相关分析实例 一组人的身高、体重及肺活量的数据，如右图。 根据常识，体重与肺活量之间会有密切关系，现在想知道身高和肺活量之间是否有密切的关系。 结果分析 上表显示Y、X1、X2三个变量两两之间的相关，相关值都显著。表明两两之间关系都很密切。 结果分析 这是偏相关的结果，显示Y和X2之间的相关系数r=0.20，p=0.41。相关不显著，表明二者之间没有什么关联。 1）依次单击Analyze—Correlate—Par