SPSS相关分析案例讲解要点.pdfVIP

相关分析 一、两个变量的相关分析： Bivariate 1．相关系数的含义 相关分析是研究变量间密切程度的一种常用统计方法。 相关系数是描述相关 关系强弱程度和方向的统计量，通常用 r 表示。 ①相关系数的取值范围在 -1 和+1 之间，即： –1≤r≤ 1。 ②计算结果，若 r 为正，则表明两变量为正相关；若 r 为负，则表明两变量 为负相关。 ③相关系数 r 的数值越接近于 1 （–1 或+1 ），表示相关系数越强；越接近于 0，表示相关系数越弱。如果 r=1 或 –1，则表示两个现象完全直线性相关。如果 =0，则表示两个现象完全不相关（不是直线相关） 。 ④ r 0.3 ，称为微弱相关、 0.3 r 0.5 ，称为低度相关、 0.5 r 0.8 ， 称为显著（中度）相关、 0.8 r 1 ，称为高度相关 ⑤r 值很小，说明 X 与 Y 之间没有线性相关关系，但并不意味着 X 与 Y 之 间没有其它关系，如很强的非线性关系。 ⑥直线相关系数一般只适用与测定变量间的线性相关关系， 若要衡量非线性 相关时，一般应采用相关指数 R。 2．常用的简单相关系数 （1）皮尔逊（ Pearson ）相关系数 皮尔逊相关系数亦称积矩相关系数， 1890 年由英国统计学家卡尔 ?皮尔逊 提出。定距变量之间的相关关系测量常用 Pearson 系数法。计算公式如下： n (xi x )( yi y ) r i 1 （1 ） n n 2 2 (xi x) ( yi y ) i 1 i 1 （1）式是样本的相关系数。计算皮尔逊相关系数的数据要求：变量都是服 从正态分布， 相互独立的连续数据； 两个变量在散点图上有线性相关趋势； 样本 容量 n 30 。 （2 ）斯皮尔曼（ Spearman ）等级相关系数 1 Spearman 相关系数又称秩相关系数，是用来测度两个定序数据之间的线性 相关程度的指标。 当两组变量值以等级次序表示时， 可以用斯皮尔曼等级相关系数反映变量间 的关系密切程度。 它是根据数据的秩而不是原始数据来计算相关系数的， 其计算 过程包括： 对连续数据的排秩、 对离散数据的排序， 利用每对数据等级的差额及 差额平方，通过公式计算得到相关系数。其计算公式为： 2 6 d rR 1 2 （2 ） n n 1 （2 ）式中， rR 为等级相关系数； d 为每对数据等级之差； n 为样本容量。 斯皮尔曼等级相关对数据条件的要求没有积差相关系数严格， 只要两个变量 的观测值是成对的等级评定资料， 或者是由连续变量观测资料转化得到的等级资 料，不论两个变量的总体分布形态、