[理学]SPSS08相关分析.pptVIP

相似性测度选择项对话框 返回 选择Similarities时各种数据类型可用的测距方法有：1、计量资料 Pearson correlation：以Pearson相关系数为距离； Cosine：以变量矢量的余弦值为距离，界于-1至+1之间。2、二分类变量 Russell and Rao：以二分点乘积为配对系数； Simple matching：以配对数与总对数的比例为配对系数； Jaccard：相似比例，分子与分母中的配对数与非配对数给予相同的权重； Dice：Dice配对系数，分子与分母中的配对数给予加倍的权重； Rogers and Tanimoto：Rogers and Tanimoto配对系数，分母为配对数，分子为非配对数，非配对数给予加倍的权重； Sokal and Sneath 1：Sokal and Sneath Ⅰ型配对系数，分母为配对数，分子为非配对数，配对数给予加倍的权重； Sokal and Sneath 2：Sokal and Sneath Ⅱ型配对系数，分子与分母均为非配对数，但分子给予加倍的权重； Sokal and Sneath 3：Sokal and Sneath Ⅲ型配对系数，分母为配对数，分子为非配对数，分子与分母的权重相同； Kulczynski 1：Kulczynski Ⅰ型配对系数，分母为总数与配对数之差，分子为非配对数，分子与分母的权重相同； Kulczynski 2：Kulczynski平均条件概率； Sokal and Sneath 4：Sokal and Sneath 条件概率； Hamann：Hamann概率； Lambda：Goodman-Kruskai相似测量的λ值； Anderbergs D：以一个变量状态预测另一个变量状态； Yules Y：Yule综合系数，属于2×2四格表的列联比例函数； Yules Q：Goodman-Kruskal γ值，属于2×2四格表的列联比例函数。 其他类型变量 Ochiai：Ochiai二分余弦测量； Sokal and Sneath 5：Sokal and Sneath Ⅴ型相似测量； Phi 4 point correlation：Pearson相关系数的平方值； Dispersion：Dispersion相似测量。 同时，还可以选择数据转换形式： None：不作数据转换； Z-Scores：作标准Z分值转换； Range -1 to 1：作-1至+1之间的标准化转换； Range 0 to 1：作0至1之间的标准化转换； Maximum magnitude of 1：作最大量值1的标准转换； Mean of 1：作均数单位转换； Standard deviation of 1：作标准差单位转换。 距离分析实例 观测量间的欧氏距离 返回 变量间不相似性分析例题输出 变量间的不相似性测度 标准化后的欧氏距离 返回 变量间的相似性测度例题 相关系数矩阵 返回 1.什么是两个变量间的线性相关？两个变量间的相关系数的数值范围是什么？负相关系数反映的是两个变量数值间的什么样的关系？ 两个变量的对应关系不具有唯一性时，相关分析研究他们之间线性关系的密切程度。 变量Y随着变量X的增加（或减少）而增加（或减少），称为两个变量之间存在着线性关系，也称这两个变量线性相关。相关系数的数值范围是在-1 ~+1之间。当一个变量随着另一个变量的增加而减少，这种相关关系称为负相关。相关系数小于0。 2. SPSS提供了几个求相关系数的方法？个适应什么样的变量？提供了三个相关分析方法：Pearson相关适合于分析正态分布的两个连续变量（测量方法定义为scale的尺度变量）间的相关系数。对于非正态分布的尺度测量的变量或顺序测量的等级变量（order）应该使用Spearman 和Kendall‘s tau-b方法计算相关系数。后者考虑了结点的影响。 3.为 什么要计算偏相关？分析两个变量间线性关系的程度。往往因为第三个变量的作用，使相关系数不能真正反映两个变量间的线性程度。 这是应该控制一个变量的变化求另两个变量间的相关系数，也就是说，在第三个变量不变的情况下，两个变量的线性程度。 CORRELATIONS /VARIABLES=VCP with HEIGHT WEIGHT /PRINT=TWOTAIL NOSIG /MISSING=PAIRWISE . 返回 几个问题 PARTIAL CORR /VARIABLES= VCP with WEIGHT BY HEIGHT /SIGNIFICANCE=TWOTAIL /MISSING=LISTWISE . PARTIAL