用SPSS做相关性分析的入门操作步骤.docxVIP

概述： 自变量连续变量分类变量连续变量 自变量 连续变量分类变量连续变量 分类变量 因变量 连续变量连续变量分类变量 分类变量 方法 线性回归 比较均值（T 检验） Logistic 回归 列联分析（卡方检验） 注：还有其他可替代的分析方法，但效果基本一致。 1、 线性回归（自变量连续变量，因变量连续变量） 步骤：分析-回归-线性 数据处理： 对变量取lg：对连续变量取lg 再做回归，用于检验非线性相关关系。 均值中心化： 先求均值：数据-分类汇总-把变量放到“汇总变量-变量摘要”里。 再进行均值中心化：转换-变量计算-“变量-均值”-得出中心化的新变量。 2、 比较均值“独立样本 T 检验”（自变量分类变量，因变量连续变量） 步骤：分析-比较均值-独立样本 T 检验-因变量放“检验变量”，自变量放“分组变量”，然后定义组-确定 结果解读： 独立样本检验 方差方程的 Levene 检验 均值方程的 t 检验  差分的 95% 置信区间 F Sig. t df Sig.(双侧) 均值差值 标准误差值 下限 上限 完成率 假设方差相等 .552 .461 -.163 53 .871 -.01489 .09135 -.19811 .16833 假设方差不相等 -.151 25.928 .881 -.01489 .09884 -.21809 .18831 关注点：看“Sig.(双侧)”是否小于 0.05。 3、 logistic 回归（自变量连续变量，因变量分类变量） 步骤：分析-回归-二元 logistic-自变量放“协变量”-“选项”点 Hosmer-Lemeshow 拟合度（类似于R 方） 结果解读： 模型拟合 = Hosmer 和 Lemeshow 检验 = = Hosmer 和 Lemeshow 检验 = 步骤 卡方 df Sig. 1 24.641 8 .002 关注点：卡方越小，Sig.越高，说明模型拟合度越高。 方程中的变量a. 在步骤 1 中输入的变量: 司龄. 方程中的变量 a. 在步骤 1 中输入的变量: 司龄. B S.E, Wals df Sig. Exp (B) 步骤 1a 变量1 .196 .061 10.380 1 .001 1.216 常量 -2.438 .154 252.218 1 .000 .087 关注点：看变量的显著性水平是否小于0.05。 4、 列联表分析（自变量分类变量，因变量分类变量） 步骤：分析-描述统计-交叉表-自变量放“列”，因变量放“行”-“统计量”点“卡方” -“单元格”点“百分比-行” 结果解读： 卡方检验 卡方检验 值 df 渐进 Sig. (双 侧) 精确 Sig.(双 侧) 精确 Sig.(单 侧) Pearson 卡方 连续校正b 似然比 Fisher 的精确检验 有效案例中的 N 3.245a 2.900 3.313 1 1 1 .072 .089 .069 .077 .043 1084 0 单元格(.0%) 的期望计数少于 5。最小期望计数为 49.15。 仅对 2x2 表计算 关注点：看Pearson 卡方的显著性水平是否小于 0.05。 5、描述性统计：分析-表-设定表