SPSS相关分析课件.ppt

第7章 SPSS的相关分析;7.1.1相关的基本概念

7.1.1.1函数关系和相关关系

函数关系是指事物或现象之间存在着严格的依存关系，其主要特征是它的确定性，即对一个变量的每一个值，另一个变量都具有惟一确定的值与之相对应。变量之间的函数关系通常可以用函数式Y=f(x)确切地表示出来。例如，圆的周长C对于半径r的依存关系就是函数关系：C=2πr。

相关关系反映出变量之间虽然相互影响，具有依存关系，但彼此之间是不能一一对应的。例如，学生成绩与其智力因素、各科学习成绩之间的关系、教育投资额与经济发展水平的关系、社会环境与人民健康的关系等等，都反映出客观现象中存在的相关关系。;7.1.1.2相关关系的类型

（1）根据相关程度的不同，相关关系可分为完全相关、不完全相关和无相关。

（2）根据变量值变动方向的趋势，相关关系可分为正相关和负相关。

（3）根据变量关系的形态，相关关系可分为直线相关和曲线相关。

（4）根据研究变量的多少，可分为单相关、复相关。;相关系数是在直线相关条件下，说明两个变量之间相关程度以及相关方向的统计分析指标。相关系数一般可以通过计算得到。作为样本相关系数，常用字母r表示；作为总体相关系数，常用字母ρ表示。

相关系数的数值范围是介于–1与+1之间

（即–1≤r≤1），常用小数形式表示，一般要取小数点后两位数字来表示，以便比较精确地描述其相关程度。

两个变量之间的相关程度用相关系数r的绝对值表示，其绝对值越接近1，表明两个变量的相关程度越高；其绝对值越接近于0，表明两个变量相关程度越低。如果其绝对值等于零1，则表示两个变量完全直线相关。如果其绝对值为零，则表示两个变量完全不相关（不是直线相关）。;变量相关的方向通过相关系数r所具有的符号来表示，“+”号表示正相关，即0≤r≤1。“﹣”表示负相关，即0≥r≥﹣1。在使用相关系数时应该注意下面的几个问题：

（1）相关系数只是一个比率值，并不具备与相关变量相同的测量单位。

（2）相关系数r受变量取值区间大小及样本数目多少的影响比较大。

（3）来自于不同群体且不同质的事物的相关系数不能进行比较。

（4）对于不同类型的数据，计算相关系数的方法也不相同。;简单相关分析是研究两个变量之间关联程度的统计方法。它主要是通过计算简单相关系数来反映变量之间关系的强弱。一般它有图形和数值两种表示方式。

1、相关图

在统计中制作相关图，可以直观地判断事物现象之间大致上呈现何种关系的形式。相关图是相关分析的重要方法。利用直角坐标系第一象限，把第一个变量置于横轴上，第二个变量置于纵轴上，而将两个变量对应的变量值用坐标点形式描绘出来，用以表明相关点分布状况的图形，这就是相关图;2、相关系数

虽然相关图能够展现变量之间的数量关系，但这也只是种直观判断方法。因此，可以计算变量之间的相关系数。对不同类型的变量应当采取不同的相关系数来度量，常用的相关系数主要有：

皮尔逊（Pearson）相关系数

常称为积差相关系数，适用于研究连续变量之间的相关程度。例如，收入和储蓄存款、身高和体重等变量间的线性相关关系。注意Pearson相关系数适用于线性相关的情形，对于曲线相关等更为复杂的情形，系数的大小并不能代表其相关性的强弱。它的计算公式为：

利用相关系数r的大小可以判断变量间相关关系的密切程度，具体见表所示。;对皮尔逊简单相关系数的统计检验是计算t统计量，具体公式是：

t统计量服从n-2个自由度的t分布。SPSS会自动计算r统计量和t值，并依据t分布表给出其对应的相伴概率值。

斯皮尔曼等级相关系数。

斯皮尔曼等级相关系数用来度量顺序水准变量间的线性相关关系。它是利用两变量的秩次大小作线性相关分析，适用条件为：

①两个变量的变量值是以等级次序表示的资料。

②一个变量的变量值是等级数据，另一个变量的变量值是等距或比率数据，且其两总体不要求是正态分布，样本容量n不一定大于30。;肯德尔等级相关系数：

它是用于反映分类变量相关性的指标，适用于两个变量均为有序分类的情况。这种指标采用非参数检验方法测度变量间的相关关系。它利用变量的秩计算一致对数目和非一致对数目。显然，如果两变量具有较强的正相关，则一致对数目U应较大；但若两变量相关性较弱，则一致对数目U和非一致对数目V应大致相等。故按照此思想，可得其定义为：

SPSS将自动计算它的相关系数、检验统计量和对应的概率P值。;7.2SPSS在简单相关分析中的应用;

Step02：选择检验变量

在【双变量相关】对话框左侧的候选变量中选择两个个或两个以上变量将其添加至【变