两组数据相关分析及检验简便方案.docxVIP

两组数据相关分析及检验简便方案 本人也是统计菜鸟，但经常被要求计算相关关系并检验，只好查文献，找资料，结合广大大虾们的经验，总结了一个简单的操作流程和通俗易懂的解释，附带上对分析结果的论文表述（大虾远离、只适合菜鸟使用）。 一、计算方法（可利用 SPSS、EXCEL 等） 本文以 SPSS 为例，只要你安装了SPSS 就非常简单了，你有两组数据（两列），打开 SPSS 主界面，将一组数（不带标题）拷贝到一个纵列 Variable00001，将另一组数拷贝到第二个纵列 Variable00002。 英文版 SPSS，打开 Analyze-Correlate-Bivariate 出来一个对话框， 在这个对话框中，将左边蓝中的两个 Variable 放到右边栏中。correlation coefficient 选取 pearson，单击 OK。中文版 SPSS，点分析- 相关-双变量，将 Variable00001 和 Variable00002 选作变量，其它默认， 确定即可。 二、结果分析 以上操作后，弹出如下窗体，只需关注相关性这个表格即可。 例 1 的相关性表格如下： Variable00002 Pearson 相关性对应的 0.152 是相关系数，它反映了二者是正相关还是负相关，是密切还是不密切，这个数的绝对值越大则越密切，如果是负数说明二者负相关。 显著性（双侧）是判断相关显著性，如果它0.05 说明这个相关性具有统计学意义，即二者真的相关。如果它0.05 则相关性不显著，即二者不相关。 以上表为例，0.152 的相关系数，0.2780.05，说明相关不显著。 用另一组数据为例，在此做相关分析并检验 例 2 相关表格如下 两组数据相关系数 0.526，Sig=0.000.05,说明显著相关。 三、结果描述 例 1 中 Variable00001 与 Variable00002 不相关（r=0.152,p=0.278)， 例 2 中 Variable00001 与 Variable00002 之间的相关有统计学意义，相关显著（r=0.526,P0.05) 。 四、为什么做检验，本检验的前提 为如果变量 x 与 y 之间并不存在直线关系，但由于 n 对观测值 （Xi,Yi）也可以根据计算公式求得一个直线回归方程。显然，这样的直线回归方程所反应的两个变量之间的直线关系是不真实的，所以为了判断直线回归方程的两个变量间的直线关系的真实性，就必须对直线回归的相关系数进行假设检验，检验方法有F 和t 两种，二者是等价的，任选其一即可。 pearson correlation 是皮尔森相关系数，采用该法有前提：双变量正态分布。如果不服从，应该选用 spearman 相关系数。Sig. (2-tailed) 即对 r=0 的检验。当 r0 时，有可能正有可能负，所以是双尾（2-tailed） 概率。 注：文中很多素材取自互联网，谢谢各位大虾！