数据方法与技术-相关实验概念.docx

电子科技大学政治与公共管理学院本科教学实验报告（实验）课程名称：数据分析技术系列实验电子科技大学教务处制表电子科技大学实验报告学生姓名：学号：指导教师：一、实验室名称：电子政务可视化实验室二、实验项目名称：相关分析三、实验原理(1)两变量相关分析简介两样本相关分析即是研究两个变量之间相关关系的统计方法。 它主要由相关系数来刻画。 二维随机变量（X，Y）的相关系数相关系数越大，相关性越强。通常情况下， 是未知的，而是用其样本相关系数 r 来代替。常用的样本相关系数有：Pearson相关系数：用于对定距变量的数据进行计算，即分析两个连续性数据之间的关系。Kendall相关系数 ：用于描述分类或等级变量之间、分类或等级变量与连续变量之间的相关关系。四、实验目的理解相关分析的基本原理，掌握在SPSS软件中相关分析的主要参数设置及其含义，掌握SPSS软件分析结果的含义及其分析。五、实验内容及步骤以中国30个省区文盲率调查数据为基础，运用相关分析方法对变量间的相关关系进行分析。相关数据如下：NOWMGDP17.3315044.00210.8012270.00315.605345.0048.867730.0059.7022275.00618.528447.00717.719455.00821.248136.00923.206834.001014.249513.001113.824081.001217.975500.001310.005163.001410.154220.001517.054259.001610.946468.001720.973881.001816.403715.001916.594032.002017.405122.002114.124130.002218.993763.002330.182093.002428.483715.002561.132732.002621.003313.002732.882901.002842.143748.002925.023731.003014.655167.00变量视图如下：(1)用散点图初步判断二变量的相关性作出文盲率与GDP之间的散点图, 初步判断两变量是否有相关关系及该关系是否呈线性。图1图2图3(2)两变量相关分析执行【Analyze】/【Correlate】/【Bivariate】命令,弹出【Bivariate】对话框。图4在Correlation Coefficients项下，选择Pearson系数和Spearman系数，点击Options,进入图6.图5 图6六、实验器材（设备、元器件）：计算机、打印机、硒鼓、碳粉、纸张八、实验数据及结果分析(1)散点图结果图7如图示，二者存在线性相关关系。只有线性相关的关系确定后才能继续进行下一步分析，而在进行相关分析之前的预分析过程是十分重要的。(2)描述性统计结果如下图示。Descriptive StatisticsMeanStd. DeviationN文盲率19.569311.0135730人均GDP62260292430图8如图所示，文盲率平均数为19.5693%，标准离差为11.01357，检验量为30。人均GDP平均值为6226.1000，标准离差为4219.02924，检验量为30。相关分析结果的Pearson 相关系数如下图示。Correlations文盲率人均GDP文盲率Pearson Correlation1-.449*Sig. (2-tailed).013N3030人均GDPPearson Correlation-.449*1Sig. (2-tailed).013N3030*. Correlation is significant at the 0.05 level (2-tailed).图9从上图可知，Sig.0.05，拒绝原假设，接收备选假设即;即文盲率与人均GDP存在相关性，但是-0.5-0.4490，所以相关性较小。相关分析结果的Spearman相关系数如下图示从上图可知，Sig.0.05,即拒绝原假设，接受备选假设（）,又因为-0.75-0.631-0.5,所以文盲率与人均GDP负线性相关，相关性一般。综上所述，文盲率与人均GDP负相关，但相关性较低。九、实验结论从前面的分析中可以看出，文盲率与人均GDP存在负相关性，但相关性不强，可考虑是否还存在其他因素的影响。从生活经验来看，GDP越高，用于教育方面的支出越高，文盲率会相应地减少，但不是最主要因素。通过SPSS软件分析的结果，与现实状况较为相符。十、总结及心得体会通过本次实验，懂得了如何利用SPSS软件进行两因素之间相关性分析,更对相关性分析原理有了深一步的理解。懂得步骤不重要，重要