spss5.4相关分析.pptVIP

．Statistics统计量选择项 均值和标准差 零阶相关系数 ．缺失值选择项 按列表排除个案，剔除所有带有缺失值的观测值。系统默认为此项。 按对排除个案，成对剔除带有缺失值的观测值。 选择完成之后，单击“ 继续”按钮返回主对话框。 (1)第一行中的数值是偏相关系数。行、列变量相同的偏相关系数为1。 （2）第二行中的数值是使零的假设成立的概率，也称为实际显著性概率。 （3）第三行中的数值表示计算时的自由度数，自由度数的计算公式为df=观测量数-变量数-1。 对例5-4-5 计算结果的解释： 相关系数ryz =-0.9597, P=0.181,这虽然通过计算在控制施肥量不变的情况下，害虫危害程度Y与亩产Z的偏相关系数的绝对值较大，接近于1，但是从零假设成立的概率P=0.181来看，害虫危害程度Y与亩产Z不相关的概率较高。这说明影响亩产的不仅仅是害虫危害程度，其他因素的影响也很重要；在某种意义上说害虫危害程度对亩产的影响并不是太显著。 * 一、相关分析的概念与相关分析过程 (一)相关分析 相关分析是研究不同变量间密切程度的一种十分常用的统计方法。相关系数是描述两个变量间的线性关系程度和方向的统计量。 相关系数通常用r表示，它没有单位，其值在 -1～+1之间。 r等于+1或 -l时，其中一个变量记为Y可以确切地用另一变量记为X的线性函数来表示。 r的绝对值越接近1，则变量X、Y间线性相关的程度就越大。 若变量Y随着变量X的增、减而增、减，即两变量变化的方向一致，则这种相关称为正相关，r大于零； 若变量Y随着变量X的增加而减少，变化方向相反，则称为负相关，r小于零；若r等于零，则可认为变量X、Y不是线性相关。 由于我们通常是通过抽样方法，利用样本研究总体的特性。但是由实际情况抽样而得到的数据总存在抽样误差，即样本中两变量间相关系数不为0，不能说明总体中两个变量间的相关系数不是0，同样，样本中两变量间相关系数不为0，也不能保证实际中这两个变量相关，因此相关分析必须通过检验。 检验的假设是：总体中两个变量间的相关系数为0。 SPSS的相关分析过程给出该假设成立的概率。一般的，我们给出假设成立概率p的域值为α，当概率p小于α时，则拒绝原假设，认为原假设不成立；否则不能拒绝原假设。另外，在SPSS的相关分析过程的输出中还给出相关系数的值。 偏相关分析是相关分析中的重要部分，它主要用在当控制了一个或几个变量的影响下两变量间的相关性。 例如，可以控制体重影响作用，对人的身高与肺活量进行偏相关分析。 （二） 相关分析的功能和应用 相关关系多种多样，归纳起来有六种类型： 1．强正相关关系，其特点是一变量X增加，导致另一变量Y明显增加，说明X是影响Y的主要因素。 2．弱正相关关系，其特点是一变量X增加，也导致另一变量Y增加，但不明显，说明X是影响Y的因素，但不是唯一因素。 3．强负相关关系，其特点是X增加，导致Y明显减少，说明X是影响Y的主要因素。 4．弱负相关关系，其特点是一变量X增加，也导致另一变量Y减少，但不明显，说明X是影响Y的因素，但不是唯一因素。 5．非线性相关关系，其特点是X，Y之间虽然没有通常所指的那种线性关系，却存在着某种非线性关系，说明X仍是影响Y的因素。 6．不相关关系，其特点是X，Y之间不存在相关关系，说明X不是影响Y的因素。 （三） 相关分析的SPSS过程 在“分析”下拉菜单的“相关”命令项具有三个相关分析功能与命令。它们分别是“双变量”、“偏相关”和“距离”，对应于相关分析、偏相关分析和距离分析。 1．双变量：计算指定的两个变量间的相关系数，可以选择Pearson相关（积差相关）、Spearman等级相关和Kendall相关，同时对相关系数进行假设检验。可选择进行单尾或双尾检验，给出相关系数为0的概率。当资料不服从双变量正态分布或总体分布型未知，或原始数据是用等级表示时，宜用Spearman或Kendall相关。 2．偏相关：计算两个变量间再控制了其他变量影响下的相关系数，即偏相关系数可以进行单尾或双尾检验，检验的假设是：偏相关系数为0，然后给出偏相关系数为0的概率。还可以计算其它描述统计量。 3、距离：对变量和观测量值