怎么用SPSS进行相关分析.docxVIP

时序 年份 零售总额（百万元） 居民收入（百万元） 全市总人口（万人） 1 1978 66.52 65.11 78.04 2 1979 73.85 66.15 80.94 3 1980 78.88 68.97 82.96 4 1981 86.18 77.66 85.05 5 1982 99.54 89.12 86.80 6 1983 107.94 93.51 88.58 7 1984 110.66 92.07 89.94 8 1985 109.04 91.42 91.05 9 1986 111.39 87.88 92.06 10 1987 115.30 87.56 92.99 11 1988 132.43 106.08 94.20 12 1989 174.19 155.36 95.10 13 1990 207.61 184.82 95.80 14 1991 229.37 193.98 96.57 15 1992 251.24 233.43 97.69 相关分析的应用示例 【例】 表?1?是某市从?1978?年至?1992?年社会商品零售总额、居民收入和全市总人口统 计数字表，试分析它们之间是否存在线性关系。 表? 表?1?某市统计表 定义变量：序号为?Number，假设年份用?y?表示，零售总额用?r?表示，居民收入 用?i?表示，全市总人口用?p?表示，输入数据，如下截图示： 第二步：进行数据分析。 在数据文件管理窗口中，点击?Analyze，展开下拉菜单，再点击?Correlate?中的 Bivariate?项，进入?Bivariate?Correlations?对话框，请童鞋们看下图： (1) 在左边的这个东东 为源变量列框，右边的 Variables?框为待分析的变量列框，就是这个东东： (2) 再看下边的?Correlation?Coefficients?选项，也就是分析方法选择项，就是 这个东东 。 主对话框中有三种相关系数可供选择，分别对应于三种分析方法： Pearson：皮尔逊相关，计算连续变量或是等间距测度的变量间的相关分析； Kendall：肯德尔相关，计算等级变量间的秩相关； Spearman：斯皮尔曼相关，计算斯皮尔曼秩相关。 （童鞋们要注意以下选择： 对于非等间距测度的连续变量，因为分布不明，可以使用等级相关分析，也 可以使用?Pearson?相关分析； 对于完全等级的离散变量，必须使用等级相关分析相关性，当数据资料不服 从双变量正态分布或总体分布型未知，或原始数据是用等级表示时，宜用 Spearman?或?Kendall?相关分析。） (2)?再往看下边的?Test?of?Significance?选项， 东东： 级选择显著性检验类型，他们兄弟俩的区别是： Two-tailed：双尾检验，如果事先不知道相关方向（正相关还是负相关）则可 以选择此项； One-tailed：单尾检验，如果事先知道相关方向可以选择此项。 反正你也不晓得，你就选双尾好了。 (3)继续往下看， 这个东东，Flag Significant Correlations：表明显著水平，如果选择此项，输出结果中在相关系数值值右上 方是用“*”表示显著水平为?5%；用“**”表示其显著水平为?1%。 在本例中，在源变量列框中，选中“零售总额?r”，“居民收入?i”和“总人口 p，点击右边键头这个按钮 ，使之进入?Variables?框中。就变成了这个样子 了： 分析方法选择?Pearson?项，双尾检验。 再点击最右边的“Options”按钮，进入?Options?对话框，看下边这个图： 在对话框中，有两项选择项。 （1）Statistics：统计量选择项 在该栏中有两个有关统计量的选择项，只有在主对话框中选择了?Pearson?相关 分析方法时才可以选择这两个选择项，如果选择了这些项，在输出结果中就会 得到样本的相应的统计量数值。它们是： Means?and?standard?deviations：均值与标准差； Cross-product?deviations?and?covariances：叉积离差阵和协方差阵。 （2）missing?values：缺失值的处理方法选择项，在该栏中有两个关于缺失值 的处理方法选择项： Exclude?cases?pairwise：仅剔除正在参与计算的两个变量值是缺失值的观测量。 这样在多元相关分析中或多对两两分析中，有可能相关系数矩阵中的相关系数 是根据不同数量的观测量计算出来的，系统默认为此项； Exclude?cases?listwise：剔除在主对话框中?Variables?矩形阵中列出的变量带有 缺失值的所有观测量。这样计算出来的相关系数矩阵，每个相关系数都是一句 相同数量的观测量计算出来