【SPSS19教程】第7章SPSS的相关分析概要.ppt

第7章 SPSS的相关分析 7.1 相关分析概述 7.1.1 相关的基本概念 1. 函数关系和相关关系 函数关系是指事物或现象之间存在着严格的依存关系，其主要特征是它的确定性，即对一个变量的每一个值，另一个变量都具有惟一确定的值与之相对应。变量之间的函数关系通常可以用函数式Y=f(x)确切地表示出来。例如，圆的周长C对于半径r的依存关系就是函数关系：C=2πr。 相关关系反映出变量之间虽然相互影响，具有依存关系，但彼此之间是不能一一对应的。例如，学生成绩与其智力因素、各科学习成绩之间的关系、教育投资额与经济发展水平的关系、社会环境与人民健康的关系等等，都反映出客观现象中存在的相关关系。 7.1 相关分析概述 2.相关关系的类型 （1）根据相关程度的不同，相关关系可分为完全相关、不完全相关和无相关。 （2）根据变量值变动方向的趋势，相关关系可分为正相关和负相关。 （3）根据变量关系的形态，相关关系可分为直线相关和曲线相关。 （4）根据研究变量的多少，可分为单相关、复相关。 7.1.2 相关分析 1.相关分析的作用 （1）判断变量之间有无联系 （2）确定选择相关关系的表现形式及相关分析方法 （3）把握相关关系的方向与密切程度 （4）相关分析不但可以描述变量之间的关系状况，而且用来进行预测。 (5)相关分析还可以用来评价测量量具的信度、效度以及项目的区分度等。 7.1.2 相关分析 相关系数是在直线相关条件下，说明两个变量之间相关程度以及相关方向的统计分析指标。相关系数一般可以通过计算得到。作为样本相关系数，常用字母r表示；作为总体相关系数，常用字母ρ表示。 相关系数的数值范围是介于–1与 +1之间（即–1≤ r ≤1），常用小数形式表示，一般要取小数点后两位数字来表示，以便比较精确地描述其相关程度。 两个变量之间的相关程度用相关系数r的绝对值表示，其绝对值越接近1，表明两个变量的相关程度越高；其绝对值越接近于0，表明两个变量相关程度越低。如果其绝对值等于零1，则表示两个变量完全直线相关。如果其绝对值为零，则表示两个变量完全不相关（不是直线相关）。 7.1.2 相关分析 变量相关的方向通过相关系数r所具有的符号来表示，“+”号表示正相关，即0≤r≤1。“﹣”表示负相关，即0≥ r ≥﹣1。在使用相关系数时应该注意下面的几个问题。 （1）相关系数只是一个比率值，并不具备与相关变量相同的测量单位。 （2）相关系数r 受变量取值区间大小及样本数目多少的影响比较大。 （3）来自于不同群体且不同质的事物的相关系数不能进行比较。 （4）对于不同类型的数据，计算相关系数的方法也不相同。 7.2 SPSS在简单相关分析中的应用 简单相关分析是研究两个变量之间关联程度的统计方法。它主要是通过计算简单相关系数来反映变量之间关系的强弱。一般它有图形和数值两种表示方式。 1、相关图 在统计中制作相关图，可以直观地判断事物现象之间大致上呈现何种关系的形式。相关图是相关分析的重要方法。利用直角坐标系第一象限，把第一个变量置于横轴上，第二个变量置于纵轴上，而将两个变量对应的变量值用坐标点形式描绘出来，用以表明相关点分布状况的图形，这就是相关图 7.2 SPSS在简单相关分析中的应用 2、相关系数 虽然相关图能够展现变量之间的数量关系，但这也只是种直观判断方法。因此，可以计算变量之间的相关系数。对不同类型的变量应当采取不同的相关系数来度量，常用的相关系数主要有： 皮尔逊（Pearson）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。 7.2 SPSS在简单相关分析中的应用 7.2 SPSS在简单相关分析中的应用 对Pearson简单相关系数的统计检验是计算t统计量，t统计量服从n-2个自由度的t分布。SPSS会自动计算r统计量和t值，并依据t分布表给出其对应的相伴概率值。 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。 7.2 SPSS在简单相关分