spass相关分析实验报告..doc

实验主题 专业统计软件应用 实验题目 相关分析 实训时间 2011 学年 2 学期 15 周 （2011年 5月30日—31日） 学生姓名 官其虎 学号 2009211467 班级 0360901 实训地点 信息管理实验室 设备号 B25 指导教师 刘进 一 实验目的 衡量事物之间，或称变量之间线性相关程度的强弱并用适当的统计指标表示出来，这个过程就是相关分析。相关系数是衡量变量之间相关程度的一个指标，总体的相关系数用ρ表示，样本的相关系数用r表示。 理解和学会使用相关分析方法解决问题。 二 实验内容 第一题：K.K.Smith在烟草杂交繁殖的花上收集到如表8.16所示的数据，要求对以上3组数据两两之间进行相关分析，以0.05的显著性水平检验相关系数的显著性。（数据来源：《统计软件SPSS系列应用实践篇》 苏金明 ，电子工业出版社；数据文件：data8-5.sav） 表8.16 K.K.Smith所调查的长度资料 花瓣长 49 44 32 42 32 53 36 39 37 45 41 48 45 39 40 34 37 35 花枝长 27 24 12 22 13 29 14 20 1 21 22 25 23 18 20 15 20 13 花萼长 1 16 12 17 10 19 15 14 15 21 14 22 22 15 14 15 15 16 1、实验原理：二元变量相关分析 是分析两个变量变量之间的相关关系，称为单相关，三个或以上变量之间的相关关系称为相关，这种相关涉及一个因变量与两个以上的自变量，在实际工作中，如果存在多个自变量与一个因变量的关系，则应抓住其中最主要的因素，研究其相关关系。调用Bivariate过程时允许同时输入两个变量或两个以上变量，但系统输出的是变量间两两相关的相关系数。检测的零假设是两个变量的相关系数为0。 2、实验步骤： 第1步 分析：分析三组数据的两两之间的相关性，而且给出的是具体的数值，这是一个二元相关性问题; 第2步 数据组织：将三个变量分别定义为花瓣、花枝和花萼; 第3步 按Analyze|Correlate|Bivariate顺序打开二元变量的分析主对话框Bivariate Correlations;运行即可(你再单击Options按钮，打开Bivaiate Correlations:Option对话框，选择Statistics方框内的两个复选框，看效果又如何。) 3、实验结果： Descriptive Statistics Mean Std. Deviation N 花瓣长 40.44 5.973 18 花枝长 19.67 5.029 18 花萼长 16.17 3.294 18 Correlations 花瓣长 花枝长 花萼长 花瓣长 Pearson Correlation 1 .955** .797** Sig. (2-tailed) .000 .000 Sum of Squares and Cross-p oducts 606.444 487.667 266.667 C variance 35.673 28.686 15.686 N 18 18 18 花枝长 Pearson Correlation .955** 1 .678** Sig. (2-tailed) .000 .002 Sum of Squares and Cross-products 487.667 430.000 191.000 Covariance 28.686 25.294 11.235 N 18 18 18 花萼长 Pearson Correlation .797** .678** 1 Sig. (2-tailed) .000 .002 Sum of Squares and Cross-products 266.667 191.000 184.500 Covariance 15.686 11.235 10.853 N 18 18 18 **. Correlation is significant at the 0.01 level (2-tailed). 分析：表中给出了3个变量两两之间的Pearson相关系数（Pearson Correlation）、双侧显著情况 检验概率（Sig.(2-tailed)）和数据组数（N）。脚注内容显示相关分析结果在0.01的水平上显著。另外，从表中可以看出，花瓣长和花枝长的数据具有很强的相关性。而双侧检验的显著性概率均小于0.05，因此否定零假设（零假设是变量之间不具有相关性），认为相关系数不为零，变