第九章相关分析―－Correlate菜单详解..docVIP

第九章 相关分析――Correlate菜单详解 （医学统计之星：张文彤） 上次更新日期： 9.1　Bivariate过程 9.1.1　界面说明 9.1.2　分析实例 9.1.3　结果解释 9.2　Partial过程 9.2.1　界面说明 9.2.2　结果解释 9.3　Distances过程 在医学中经常要遇到分析两个或多个变量间关系的情况，有时是希望了解某个变量对另一个变量的影响强度，有时则是要了解变量间联系的密切程度，前者用下一章将要讲述的回归分析来实现，后者则需要用到本章所要讲述的相关分析实现。 SPSS的相关分析功能被集中在Statistics菜单的Correlate子菜单中，他一般包括以下三个过程： Bivariate过程 此过程用于进行两个/多个变量间的参数/非参数相关分析，如果是多个变量，则给出两两相关的分析结果。这是Correlate子菜单中最为常用的一个过程，实际上我们对他的使用可能占到相关分析的95%以上。下面的讲述也以该过程为主。 Partial过程 如果需要进行相关分析的两个变量其取值均受到其他变量的影响，就可以利用偏相关分析对其他变量进行控制，输出控制其他变量影响后的相关系数，这种分析思想和协方差分析非常类似。Partial过程就是专门进行偏相关分析的。 Distances过程 调用此过程可对同一变量内部各观察单位间的数值或各个不同变量间进行距离相关分析，前者可用于检测观测值的接近程度，后者则常用于考察预测值对实际值的拟合优度。该过程在实际应用中用的非常少。 §9.1　Bivariate过程 9.1.1　界面说明 【Variables框】 用于选入需要进行相关分析的变量，至少需要选入两个。 【Correlation Coefficients复选框组】 用于选择需要计算的相关分析指标，有： Pearson复选框 选择进行积距相关分析，即最常用的参数相关分析 Kendalls tau-b复选框 计算Kendalls等级相关系数 Spearman复选框 计算Spearman相关系数，即最常用的非参数相关分析（秩相关） 【Test of Significance单选框组】 用于确定是进行相关系数的单侧（One-tailed）或双侧（Two-tailed）检验，一般选双侧检验。 【Flag significant correlations】 用于确定是否在结果中用星号标记有统计学意义的相关系数，一般选中。此时P0.05的系数值旁会标记一个星号，P0.01的则标记两个星号。 【Options钮】 弹出Options对话框，选择需要计算的描述统计量和统计分析： Statistics复选框组 可选的描述统计量。它们是： Means and standard deviations每个变量的均数和标准差 Cross-product deviations and covariances各对变量的交叉积和以及协方差阵 Missing Values单选框组 定义分析中对缺失值的处理方法，可以是具体分析用到的两个变量有缺失值才去除该记录（Exclude cases pairwise），或只要该记录中进行相关分析的变量有缺失值（无论具体分析的两个变量是否缺失），则在所有分析中均将该记录去除(Excludes cases listwise)。默认为前者，以充分利用数据。 9.1.2　分析实例 例9.1 请计算SPSS自带的样本数据judges.sav中意大利(judge1)和韩国法官(judge2)得分的相关性。 解：由于judge1和judge2的数据分布不太好，这里同时计算Pearson相关系数和Spearman相关系数。操作如下： 这种做法严格说来是有问题的，我这样做主要是想偷懒。 Variables框：选入judge1、judge2 Pearson复选框：选中 Spearman复选框：选中 单击OK钮 9.1.3　结果解释 例9.1的输出结果如下所示： Correlations 在上面的结果中，变量间两两的相关系数是用方阵的形式给出的。每一行和每一列的两个变量对应的格子中就是这两个变量相关分析结果结果，共分为三列，分别是相关系数、P值和样本数。由于这里只分析了两个变量，因此给出的是2*2的方阵。由上表可见judge1、judge2自身的相关系数均为1（of course），而judge1和judge2的相关系数为0.91，P0.001，有非常显著的统计学意义。 ? 如果需要得到具体的P值。请进入表格的编辑模式，双击P值所在的单元格，就可以看到精确的P值大小。 上表的标题内容翻译如下：? 　 　 Italy South Korea Italy Pearson积距相关系数P值（双侧）样本数 1.