第七章SPSS作业练习.docxVIP

第七章SPSS作业 1.什么叫作相关关系？有哪些种类？ 答：相关关系是指客观现象存在的一种非确定的相互依存关系，即自变量的每一个取值，因变量由于受随机因素影响，与其所对应的数值是非确定性的。 现象之间的相关关系从不同的角度可以区分为不同类型。(1)按照相关的方向不同分为：正相关和负相关。 正相关——当一个变量的值增加或减少，另一个变量的值也随之增加或减少。如工人劳动生产率提高，产品产量也随之增加;居民的消费水平随个人所支配收入的增加而增加。 负相关——当一个变量的值增加或减少时，另一变量的值反而减少或增加。如商品流转额越大，商品流通费用越低;利润随单位成本的降低而增加。 (2)按照相关形式不同分为：线性相关和非线性相关。 线性相关——又称直线相关，是指当一个变量变动时，另一变量随之发生大致均等的变动。 非线性相关——一个变量变动时，另一变量也随之发生变动，但这种变动不是均等的。 (3)按相关程度分为：完全相关、不完全相关和不相关。 完全相关——当一个变量的数量完全由另一个变量的数量变化所确定时，二者之间即为完全相关。例如，在价格不变的条件下，销售额与销售量之间的正比例函数关系即为完全相关。 不相关——又称零相关，当变量之间彼此互不影响，其数量变化各自独立时，则变量之间为不相关。 (4)按研究的变量(或因素)的多少分为：单相关、复相关和偏相关 2.比较Pearson相关系数和Spearman相关系数的适用条件有何异同？ 答：(1)分析范围不同： Pearson用于计算连续数据的相关，而speraman相关是专门用于分析顺序数据，二者分析范围不同。 (2)用途不同： Pearson相关是最常见的相关公式，用于计算连续数据的相关，比如计算班上学生数学成绩和语文成绩的相关可以用Pearson相关。而spearman相关是专门用于分析顺序数据的，就是那种只有顺序关系，但并非等距的数据，比如计算班上学生数学成绩排名和语文成绩排名的关系。 3.什么叫作偏相关？它与简单线性相关有何区别？在什么情况下使用偏相关？ 答：偏相关亦称“净相关”、“纯相关”、“条件相关”。偏相关系数不为零的两个随机变量称做偏相关(参见“偏相关系数”)。偏相关性，是两个随机变量在排除了其余部分或全部随机变量影响情形下的净相关性或纯相关性，是两个随机变量在处于同一体系的其余部分或全部随机变量取给定值的情形下的条件相关性 简单线性相关是只涉及两个变量的相关，而偏相关是某一变量与多个变量有关系，但是只想研究排除其他变量的影响下，其与另一个变量的关系，此时的相关叫做偏相关。 偏相关分析是在控制第三方可能影响到两目标变量关系的情况下去分析两个目标变量的相关程度如何。第三方变量又称控制变量，它可以是一个变量，也可以是多个变量。 4.步骤:依次选择【图形】—【旧对话框】—【散点/点状】命令进入其对话框，选择【简单分布】—单击【定义】按钮进入【简单散点图】对话框，将“城镇居民家庭人均可支配收入”放入【Y轴】框，将“城镇居民家庭恩格尔系数”放入【X轴】框中，最后单击【确定】，结果输出如下 结果解释：从图中我们可以直观地看出“城镇居民家庭人均可支配收入”与“城镇居民家庭恩格尔系数”之间存在非的是一种非线性相关关系。 5.（1）如果要计算“信用等级”和“营业额等级”的相关，采用哪种方法较好？ 答:如果要计算信用等级和营业额等级的相关，采用简单相关分析的Spearman方法比较好。 （2）请根据这种方法计算出两者的相关系数，并判断两者关系的强弱。 步骤：依次选择【分析】—【相关】—【双变量】命令，进入其对话框，将需要分析的变量放入右侧的【变量】框中，这里选择“信用等级”和“营业额等级”，在【相关系数】选项组中选中Ppearman复选框，其他选项保持系统默认状态。最后单击【确定】按钮，提交系统分析。 结果解释：由表中我们可以看出，两变量的Spearman相关系数r为0,04，双侧显著性检验显示其p值为0.889，即p 0.05，N=15表示有20对数据，即两变量之间没有显著的正相关。 6.(1)“工资”与“教育年限”之间是什么关系？ 答:结论：工资和教育水平的r=-0.705,p=0.0000.05,说明他们之间有显著的负相关。 （2）控制“工作时间”这一变量，“工资”与“教育年限”的关系有怎样的变化？说明了什么问题？ 步骤：依次选择【分析】—【相关】—【偏相关】命令，进入其主对话框，将需要分析的变量放入右侧的【变量】框，将要控制的变量放入右侧的【控制】框。这里选择“工资”和“教育年限”作为分析变量，放入【变量】框中，把“工作时间”作为控制变量，放入【控制】框，单击【选项】按钮进入其对话框，选中【零阶相关系数】复选框，单击【继续】按钮返回主对话框，选择默认状态的“双侧检验”最后