SPSS的相关分析剖析.docxVIP

第8章 SPSS的相关分析 学习目标： 明确相关关系的含义以及相关分析的主要目标。 掌握散点图的含义，熟练掌握绘制散点图的具体操作。 理解简单相关系数、Spearman相关系数、Kendall相关系数的基本原理，熟练掌握计算各种相关系数的具体操作，能够读懂分析结果。 理解偏相关系分析的主要目标以及与相关分析之间的关系，熟练掌握偏相关分析的具体操作，能够读懂分析结果。 8.1 相关分析 相关分析是分析客观事物之间关系的数量分析方法，明确客观事物之间有怎样的关系对理解和运用相关分析是极为重要的。 客观事物之间的关系大致可归纳为两大类关系，它们是函数关系和统计关系。相关分析是用来分析事物之间统计关系的方法。 所谓函数关系指的是两事物之间的一种一一对应的关系，即荡一个变量x取一定值时，另一变量y可以依确定的函数取唯一确定的值。例如，商品的销售额与销售量之间的关系，在单价确定时，给出销售量可以唯一地确定出销售额，销售额与销售量之间是一一对应的关系，且这个关系可以被y=Ρx（y表示销售额，Ρ表示单价，x表示销售量）这个数学函数精确地描述出来。客观世界中这样的函数关系有很多，如圆面积和圆半径、出租车费和行程公里数之间的关系等。 另一类普遍存在的关系是统计关系。统计关系指的是两事物之间的一种非一一对应的关系，即当一个变量x取一定值时，另一变量y无法依确定的函数取唯一确定的值。例如，家庭收入和支出、子女身高和父母身高之间的关系等。这些事物之间存在一定的关系，但这些关系却不能像函数关系那样可用一个确定的数字函数描述，且当一个变量x取一定值时，另一变量y的值可能有若干个。统计关系可再进一步划分为线性相关和非线性相关关系。线性相关又可分为正线性相关和负线性相关。正线性相关关系指两个变量线性的相随变动方向相同，而负线性相关关系指两个变量线性的相随变动方向相反。 事物之间的函数关系比较容易分析和测度，而事物之间的统计关系却不像函数关系那样直接，但确实普遍存在，并且有的关系强，有的关系弱，程度各有差异。如何测度事物间统计关系的强弱是人们关注的问题。相关分析正是一种简单易行的测度事物之间统计关系的有效工具。绘制散点图和计算相关系数是相关分析最常用的工具，他们的互相结合能够达到较为理想的分析效果。 8.2绘制散点图 8.2.1散点图的特点 绘制散点图是相关分析过程中极为常用且非常直观的分析方式。它将数据以点的形式画在直角平面上。通过观察散点图能够直观地发现变量间的统计关系以及它们的强弱程度和数据对的可能走向。 在实际分析中，散点图经常表现出某些特定的形状。如绝大多数的数据点组成类似于“橄榄球”的形状，或集中形成一根“棒状”，而剩余的少数数据点零散地分布在四周。通常“橄榄球”和“棒状”代表了数据对的主要结构和特征，可以利用曲线将这种主要结构的轮廓描绘出来，使数据的主要特征更突显。图8—1是常见的几种散点图以及反映出的统计关系的强弱程度。 8.2.2 散点图的应用举例 在利用SPSS绘制散点图之前，应先将数据按一定方式组织起来。对每个变量应设置相应的SPSS变量。 案例8—1 利用第2章案例2—1的住房状况问卷调查数据，分析家庭收入与打算购买的住房面积之间存在怎样的统计关系。具体数据在可供下载的压缩包中，文件名为“住房状况调查.sav”。 这里，首先利用散点图进行初步分析。SPSS绘制散点图的基本操作步骤如下： （1）选择菜单： 【Graphs】→【Scatter】 于是出现如图8—2所示的窗口。 （2）选择散点图的类型。SPSS提供了四种类型的散点图。 （3）根据所选择的散点图类型，按Define按钮对散点图作具体定义。 不同类型的散点图具体的定义选项略有差别。 简单散点图（Simple） 简单散点图是表示一堆变量间统计关系的散点图。应定义的选项主要有： 指定某个变量为散点图的纵轴变量，选入【Y Axis】框中。 指定某个变量为散点图的横轴变量，选入【X Axis】框中。 可指定作为分组的变量到【Set Markers by】框中，表示按该变量的不同取值将样本数据分成若干组，并在一张图上分别以不同颜色绘制若干个散点图。该项可以省略。 可指定标记变量到【Label Cases by】框中，表示将标记变量的各变量值标记在散点图的相应点的旁边。该项可以省略。 这里，选择简单散点图，操作窗口如图8—3所示。 重叠散点图（Overlay） 重叠散点图是表示多对变量间统计关系的散点图。应定义的选项主要有： 两个变量为一对，指定绘制哪些变量间的散点图。其中，前一个变量作为图的纵轴变量，后一个变量作为图的横轴变量，并可通过Swap pair按钮进行横纵轴变量的调换。 可指定标记变量到【Label Case by】框中。含义同简单散点图。 矩阵散点图（Matrix） 矩阵散点图