第8章 SPSS 20.0相关分析精要.ppt

表8-3给出了身高、体重、肺活量的描述性统计分析 表8-4给出了Pearman相关系数，从表中可以看出，在0.01的显著性水平下，身高、体重、肺活量显著相关。 表8-5，给出了Spearman相关系数，从表中可以看出，在0.01的显著性水平下，身高、体重、肺活量显著相关。 8.4.1 偏相关分析和偏相关系数 相关分析中研究两事物之间的线性相关性是通过计算相关系数等方式实现，并通过对相关系数值得大小来判定事物之间的线性相关强弱。然而，就相关系数本身来讲，它未必是两事物间线性相关强弱的真实体现，往往有夸大的趋势。 单纯利用相关系数来评价变量间的相关显然是不准确的，而需要在剔除其他因素影响的条件下计算变量间的相关。偏相关分析的意义就在于此。偏相关分析也净相关分析，它在控制其他变量的线性影响的条件下分析两变量间的线性相关，所采用的工具是偏相关系数（净相关关系）。控制变量个数为一时，偏相关系数称为一阶偏相关；当控制变量个数为两个时，偏相关系数称为二阶偏相关；当控制变量个数为零个时，偏相关系数称为零阶偏相关，也就是相关系数。 利用偏相关系数进行变量间净关系分析通常需要完成以下两大步骤： 第一 计算样本的偏相关系数 利用样本数据计算样本的偏相关系数，它反映了两变量间净相关的程度强弱。在分析变量 和 之间的净相关时，当控制了 的线性作用后， 和