SPSS_相关分析概述.pptVIP

* 相关分析 与 回归分析 相关分析 与 回归分析 相关分析(Correlation Analysis) 一、相关分析的意义： 研究问题过程：单变量分析 双变量分析 多变量分析 多变量分析与单变量分析的最大不同：揭示客观事物之间的关联性。 所以，相关分析的意义和目的在于： （1）在统计学中有理论与实践意义 （2）对相关关系的存在性给出判断 ( 3 ) 对相关关系的强度给出度量和分析 二、相关分析的概念 变量之间的关系分为确定性关系和非确定性关系。 确定性关系：当一个变量值（自变量）确定后，另一个变量值（因变量）也就完全确定了，确定性关系往往可以表示成一个函数的形式，比如圆的面积和半径的关系： S=πr2 非确定性关系：给定了一个变量值后，另一个变量值可以在一定范围内变化，例如家庭的消费支出和家庭收入的关系。 研究者把非确定性关系称为相关关系。 三.相关分析的特点和应用 相关关系是普遍存在的，函数关系仅是相关关系的特例。 1.相关关系的类型 相关关系多种多样，归纳起来大致有以下6种： 强正相关关系，其特点是一变量X增加，导致另一变量 Y明显增加，说明X是影响Y的主要因素。 弱正相关关系，其特点是一变量X增加，导致另一变量Y增加，但增加幅度不明显。 强负相关关系，其特点是X增加，导致Y明显减少，说明X是影响Y的主要因素 弱负相关关系，其特点是变量X增加，导致Y减少，但 减少幅度不明显，说明X是Y的影响因素，但不是唯一 因素。 非线性相关关系，其特点是X、Y之间没有明显的线性关系，却存在着某种非线性关系，说明X仍是影响Y的因素。 不相关，其特点是X、Y不存在相关关系，说明X不是影响Y的因素。 2.相关分析的应用 （1）相关分析可以在影响某个变量的诸多变量中判断哪些是显著的，哪些是不显著的。而且在得到相关分析的结果后，可以用于其他分析，如回归分析和因子分析。 （2） 相关分析方法已广泛用于心理学、教育学、医学、经济学等各学科。它对试验数据的处理、经验公式的建立、管理标准的测定、自然现象和经济现象的统计预报，都是一种方便而且有效的工具。 四、相关系数 相关分析的主要目的是研究变量之间关系的密切程度，以及根据样本的资料推断总体是否样关。反映变量之间关系紧密程度的指标主要是相关系数r。相关系数r取值在-1到+1之间，当数值愈接近-1或+1时，说明关系愈紧密，接近于0时，说明关系不紧密。 相关系数的计算 样本的相关系数一般用r表示，总体的相关系数一般用p表示。 对于不同类型的变量，相关系数的计算公式不同。常用的相关系数有： Pearson简单相关系数：常称为积差相关系数，适用于研究连续变量之间的相关程度。例如，收入和储 蓄存款、身高和体重等变量间的线性相关关系。注意Pearson相关系数适用于线 性相关的情形，对于曲线相关等更为复杂的情形，系数的大小并不能代表其相关 性的强弱。它的计算公式为： 利用相关系数r的大小可以判断变量间相关关系的密切程度，具体见表所示。 Spearman等级相关系数用来度量顺序水准变量间的线性相关关系。它是利用 两变量的秩次大小作线性相关分析，适用条件为： ① 两个变量的变量值是以等级次序表示的资料； ② 一个变量的变量值是等级数据，另一个变量的变量值是等距或比率数 据，且其两总体不要求是正态分布，样本容量n不一定大于30。 从斯皮尔曼等级相关适用条件中可以看出，等级相关的应用范围要比积差相关 广泛，它的突出优点是对数据的总体分布、样本大小都不做要求。但缺点是计算 精度不高。斯皮尔曼等级相关系数常用符号 来表示。其基本公式为： 式中：D是两个变量每对数据等级之差，n是两列变量值的对数。 Spearman相关系数计算公式可以完全套用Pearson相关系数的计算公式，但公式中的 x和y用它们的秩次代替即可。 Kendall’s等级相关系数 它是用于反映分类变量相关性的指标，适用于两个变量均为有序分 类的情况。这种指标采用非参数检验方法测度变量间的相关关系。它利用变量的秩计算一致对数目和非一致对数目。显然，如果两变量具有较强的正相关，则一致对数目U应较大；但若两变量相关性较弱，则一致对数目U和非一致对数目V应大致相等。 SPSS将自动计算它的相关系数、检验统计量和对应的概率P值。 在Analyze的下拉菜单Correlate命令项中有三个相关分析功能子命令： Bivariate（两两相关分析过程） Partial （偏相关分析过程） Distances（距离分析过程） 五、SPSS