基于SPSS的相关分析.docVIP

基于SPSS的相关分析 xxx （123456789123） 摘要：相关分析是分析客观事物之间关系的数量分析方法，是用来分析事物之间统计关系的方法。统计关系指的是两事物之间的一种非一一对应的关系。事物之间的统计关系不像函数关系那样直接，但确实普遍存在，并且关系强弱程度各有差异。文中对数学成绩与化学成绩之间相关性进行散点图分析和相关系数分析，用SPSS进行全面系统的相关性分析。 关键词：SPSS 散点图 相关性 相关系数 1 问题重述 某班级学生数学和化学的期末考试成绩如表1所示，现要研究该班学生的数学和化学成绩之间是否具有相关性。 表1 学生的数学和化学成绩 人 名 数 学 化 学 hxh 99.00 90.00 yaju 88.00 99.00 yu 65.00 70.00 shizg 89.00 78.00 hah 94.00 88.00 smith 90.00 88.00 watet 79.00 75.00 jess 95.00 98.00 wish 95.00 98.00 laly 80.00 99.00 john 70.00 89.00 chen 89.00 98.00 david 85.00 88.00 caber 50.00 60.00 marry 87.00 87.00 joke 87.00 87.00 jake 86.00 88.00 herry 76.00 79.00 2 问题分析 绘制散点图是相关分析过程中极为常见且非常直观的分析方式。通过观察散点图能够直观地发现数学成绩和化学成绩间的统计关系以及它们的强弱程度和数据对的可能走向。散点图经常表现出某些特定的形式。利用曲线将数据对的主要结构和特征的轮廓描绘出来，使数据主要特征更突显。 虽然散点图能够直观地展现数学成绩和化学成绩之间的统计关系，但并不精确。相关系数以数值的方式精确地反映了两个变量间线性相关的强弱程度。利用相关系数进行变量间线性关系的分析通常需要完成完成两大步骤：首先，计算样本相关系数；其次，对样本来自的两总体是否存在显著的线性关系进行推断。 利用样本数据计算相关系数。样本相关系数反映了两变量间相关程度的强弱。对不同类型的变量应采用不同的相关系数来度量，Pearson简单相关系数用来度量定距型变量的线性相关关系。Spearman等级相关系数、Kendall相关系数用来度量定序变量间的线性相关关系。对于所给样本变量数据可以使用Pearson简单相关系数、Kendall相关系数。Pearson简单相关系数的数学定义为： 式中，n为样本量；分别为两变量的变量值。Pearson简单相关系数的检验统计量为t统计量，其数学定义为： 式中，t统计量服从n-2个自由度的t分布。Kendall相关系数采用非参数方法检验变量间的线性相关关系。它利用变量的秩计算一致对数目（U）和非一致对数目（V）。如果两变量具有较强的正相关关系，则一致对数目U较大，非一致对数目V应较小；如果两变量的相关性较弱，则一致对数目U和非一致对数目V应大致相等，大约各占样本量的。Kendall相关系数正是对此进行检验。Kendall统计量的数学定义为： 在小样本下，Kendall服从Kendall分布。在大样本下采用的检验统计量为： 式中，Z统计量近似服从标准正态分布。 3 问题求解 利用SPSS计算数学成绩和化学成绩两变量间的相关系数。首先，建立一个新的数据窗口，在data view窗口中将学生名称输入第一列中，将数学成绩和化学成绩对应输入第二列和第三列，在Variable View中，name中分别注明学生名称、数学成绩、化学成绩；type中学生名称为字符型，数学成绩和化学成绩为数值型。 3.1 使用SPSS画出散点图进行初步的分析。 SPSS绘制散点图的基本操作步骤如下： （1）选择菜单： 【Graphs】→【Legacy Dialogs】→【Scatter/Dot】 出现如图1所示的窗口。 图1 选择散点图窗口 （2）选择散点图类型。根据数据以及题目要求选择简单散点图（simple scatter），按Define按钮对散点图作具体定义。如图2所示： 图2 数据绘制散点图窗口 （3）指定数学成绩为散点图的纵轴变量，选入【Y Axis】框中；指定化学成绩为散点图的横轴变量，选入【X Axis】框中。另外，可将人名指定到【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各数据点。该项可以省略。由于问题中只是分析数学成绩和化学成绩关系，而不考虑每名同学之间的具体关系，因此不选择此项。若有标记变量，则将标记变量指定到【La