SPSS第6章PPT.ppt

第六章 相关分析 相关分析用于描述两个变量间联系的密切程度，它反映的是当控制了其中一个变量的取值后，另一个变量还有多大的变异程度。相关分析有一个显著的特点是变量不分主次，被置于同等的地位。 老师老师您别生气，咱娃就是这样地， 叫他往南他往北，叫他往东他偏往西 ——儿歌 相关分析用于描述两个变量间联系的密切程度，它反映的是当控制了其中一个变量的取值后，另一个变量还有多大的变异程度。相关分析有一个显著的特点是变量不分主次，被置于同等的地位。 直线相关要求两个变量服从联合的双变量正态分布，如果不服从，则应考虑变量变换，或采用等级相关来分析。 在进行相关分析时，散点图是非常重要的工具，分析前必须要先做散点图，以初步判断两变量间是否存在相关趋势，该趋势是否为直线趋势，以及数据中是否存在异常点。忽视散点图的作用直接进行分析很可能会得出错误的结论。 SPSS的相关分析 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把子菜单中最为常用的一个过程，实际上我们对它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相似性或不相似性(距离)分析，前者可用于检测观测值的接近程度，后者则常用于考察各变量的内在联系和结构。该过程一般不单独使用，而是作为因子分析、聚类分析和多维尺度分析的预分析过程，以帮助了解复杂数据集的内在结构，为进一步分析做准备。 简单相关系数 简单相关分析是对两个变量之间的相关程度进行分析。单相关分析所用的指标称为单相关系数，又称为单相关系数、Pearson（皮尔森）相关系数或相关系数。通常以ρ表示总体的相关系数，以ｒ表示样本的相关系数。 总体相关系数的定义式是： 其中，Cov（X，Y）是随机变量X 和Y 的协方差；Var(X)和Var(Y)分别为变量X 和Y 的方差。总体相关系数是反映两变量之间线性相关程度的一种特征值，表现为一个常数。 样本相关系数 : 1 Bivariate过程 Bivariate过程是Correlate菜中用得最多的一个过程，它用于进行两个变量间的线性相关分析，结果中可以给出Pearson相关系数、Kendall等级相关系数和Spearman等级相关系数，它们可分别应用于两个变量分布的不同情况。 【主对话框】 1. 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。如果选入了多个，则分析结果会以相关矩阵的形式给出两两直线相关分析的结果。 2. Correlation Coefficients复选框组：用于选择需要计算的相关分析指标。 Pearson：选择进行积距相关分析，即最常用的参数相关分析，默认输出项。 KendalIs tau-b：计算Kendalls等级相关系数，这是一个用于反映分类变量一致性的指标，只能在两个变最均属于有序分类时使用，它由Gamma系数改进而来，学习过卡方世界一章的朋友应当对它不陌生了。 Spearman：计算Spearman相关系数，即最常用的非参数相关分析(秩相关)。 3．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。 4．Flag significant correlations:要求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则标记两个星号。 【Options子对话框】 1．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：各变量的离均差平方和以及协方差阵。 2．Missing Values单选框组：定义分析中缺失值的处理办法。 引例 某地一年级12名女大学生的体重与肺活量的数据如下，试分析两者有无者有无直线相关关系。（corr.sav） 2 Partial过程 当分析两个变量间相关关系的时候，往往会有其他变量的影响掺和在里面，使得计算出的相关系数难以体现出这两个变量间的真实相关关系。 在回归分析中我们解决该问题的办法就是多重线性回归，即控制其他变量的影响，在其他变