SPSS皮尔逊相关分析实例操作步骤.docVIP

SPSS皮尔逊相关分析实例操作步骤 选题： 对某地29名13岁男童的身高（cm）、体重（kg），运用相关分析法来分析其身高与体重是否相关。 实验目的： 任何事物的存在都不是孤立的，而是相互联系、相互制约的。相关分析可对变量进行相关关系的分析，计算29名13岁男童的身高（cm）、体重（kg），以判断两个变量之间相互关系的密切程度。 实验变量： 15 160.5 47 16 153.0 47 17 147.6 41 18 157.5 43 19 155.1 45 20 160.5 38 21 143.0 32 22 149.4 34 23 160.8 40 24 159.0 39 25 158.2 38 26 150.0 36 27 144.5 35 28 154.6 40 29 156.5 32 编号Number，身高height（cm），体重weight（kg） 原始数据： Number height weight 1 135.1 32 2 139.9 30 3 163.6 46 4 146.5 34 5 156.2 37 6 156.4 36 7 167.8 42 8 149.7 31 9 145.0 33 10 148.5 37 11 165.5 50 12 135.0 28 13 153.3 41 14 152.0 32 实验方法： 皮尔逊相关分析法 软件： spss19.0 操作过程与结果分析： 第一步：导入Excel数据文件??? 1.?open data document——open data——open； 2. Opening excel data source——OK. 第二步：分析身高（cm）与体重（kg）是否具有相关性 在最上面菜单里面选中Analyze——correlate——bivariate?，首先使用Pearson，two-tailed，勾选flag significant correlations 进入如下界面： 点击右侧options，勾选Statistics，默认Missing Values，点击Continue 输出结果： Descriptive Statistics Mean Std. Deviation N 身高（cm） 152.576 8.3622 29 体重(kg) 37.65 5.746 29 图为基本的描述性统计量的输出表格，其中身高的均值（mean）为152.576cm、标准差（standard deviation）为8.3622、样本容量（number of cases）为29；体重的均值为37.65kg、标准差为5.746、样本容量为29。两者的平均值和标准差值得差距不显著。 Correlations 身高（cm） 体重(kg) 身高（cm） Pearson Correlation 1 .719** Sig. (2-tailed) .000 Sum of Squares and Cross-products 1957.953 967.816 Covariance 69.927 34.565 N 29 29 体重(kg) Pearson Correlation .719** 1 Sig. (2-tailed) .000 Sum of Squares and Cross-products 967.816 924.312 Covariance 34.565 33.011 N 29 29 **. Correlation is significant at the 0.01 level (2-tailed). 图为相关分析结果表，从表中可以看出体重和身高之间的皮尔逊相关系数为0.719，即|r|=0.719，表示体重与身高呈正相关关系，且两变量是显著相关的。另外，两者之间不相关的双侧检验值为0.000，图中的双星号标记的相关系数是在显著性水平为0.01以下，认为标记的相关系数是显著的，验证了两者显著相关的关系。所以可以得出结论：学生的体重与身高存在显著的正相关性，当体重越高时，身高也越高。 第三步：画散点图：选中Graphs——Legacy Dialogs——Scatter/dot—— Simple scatter——define. 得到散点图，如下图：