第五章SPSS相关分析-公开课件（讲义）.pptVIP

第五章 SPSS相关分析 相关系数(取值及其意义) 相关系数的显著性检验 检验的步骤为 1、提出假设：H0：? ? ? ；H1： ? ? 0 相关分析菜单项 二元变量相关分析主对话框 输出选择项对话框 连续变量间的相关分析实例1 Data02-01 银行职工的起始工资salbegin和现工资salary与雇员本人各方面条件的关系（年龄age、工作时间jobtime、以前工作经验prevexp）： 秩相关实例 偏相关分析 线性相关分析计算两个变量间的相关关系,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。（如上街） 偏相关分析的任务就是在研究两个变量之间的线性相关关系时控制可能对其产生影响的变量。 实际生活中有许多这样的关系，如可以控制年龄和工作经验两个变量的影响，估计工资收入与受教育程度之间的相关关系。可以在控制了销售能力与各种其他经济指标的情况下，研究销售量与广告费用之间的关系等。 偏相关的有关公式： 偏相关应用实例 偏相关分析结论 * SPSS应用 NAU 李刚华 * -1.0 +1.0 0 -0.5 +0.5 完全负相关 无线性相关 完全正相关 负相关程度增加 r 正相关程度增加 2、计算检验的统计量： 3、式中r是相关系数，n是样本观测量数，n－2是自由度。 当tt0.05(n-2)时，p0.05拒绝原假设； 正态分布的等间隔测度的变量使用 计算分类间的秩相关系数 计算分类间的秩相关系数，考虑节点 两个变量间的相关分析 Data08-01：1962年－1988年安徽省国民收入与城乡居民储蓄存款余额两个变量间的线性相关分析（income：国民收入，deposit：城乡居民储蓄存款余额，number：序号，year：年份）。 1、连续变量间的相关：Pearson 相关系数r=.976和其相应的显著性概率Sig=.000(显然国民收入与存款余额之间是高度相关的) 连续变量间的相关分析实例2 比较有用的结果： Pearson相关系数r和其相应的显著性概率Sig(Pearson相关系数均很小 ） Data02-01 银行职工的起始工资salbegin和现工资salary与雇员的职务等级jobcat、受教育程度educ关系 2、等级（分类）变量间的秩相关： （比较有用的结果： Kendall秩相关系数r和其相应的显著性概率Sig(Kendall秩相关系数均.5，认为中度相关） 控制了z的条件下，x、y之间的偏相关系数 ： 控制了两个变量z1、z2，变量x、y之间的偏相关系数： Pearson偏相关系数假设检验的t统计量： 其中，r是相应的偏相关系数，n是观测量数，k是控制变量的数目， n-k-2是自由度。当tt0.05(n-k-2)时，p0.05拒绝原假设 四川绵阳地区3年生中山柏的数据，分析月生长量与月平均气温、月降雨量、月平均日照时数、月平均湿度这四个气候因素哪个因素有关。数据来源于袁佳祖编著《灰色系统理论》，数据编号data08-03。 菜单：Analyze+Correlate+Partial Variables：分析变量 Controlling for：控制变量 将月生长量hgrow作为分析变量， 然后分四次，分别将其中的一个因素作为分析变量，而其他三个作为控制变量 用Pearson相关系数 中山柏生长量与四个气候因素的偏相关综合结果 p=0.180 p=.068 p=0.025 p=0.000 ( 7) ( 7) ( 7) ( 7) -0.4906 .6318 .7310 .9774 HGROW RAIN HSUN HUMI TEMP 结果: 中山柏生长量与气温temp关系最为密切，相关系数0.9774，显著性概率p=0.000；其次是湿度humi，相关系数0.7310，显著性概率p=0.025；日照时数hsun，相关系数0.6318，显著性概率p=0.068；与降雨量没有线性关系，降雨量过大，还会影响其生长。