散点图相关系数.ppt

二、相关分析的方法利用相关系数进行变量之间线性关系的分析 利用相关系数进行变量之间线性关系的分析分两步：(1)利用样本数据计算样本相关系数r；(2)利用样本推测总体是否存在显著的线性关系。由于存在抽样的随机性以及样本数量较少等原因，通常样本相关系数不能直接反映样本是否存在显著的线性相关关系，需要通过假设检验的方式对样本的总体进行统计推测。推测步骤：(1)提出零假设H0：两总体线性不相关（或相关系数与0无显著性差异）(2)选择检验统计量：对不同变量采用不同的相关系数，同时也采用不同的检验统计量(3)计算统计量的观测值和对应的概率p值；(4)对总体的相关性进行推断注：显著的相关性并不能导出任何因果结论。第17页,共42页，星期六，2024年，5月二、相关分析的方法根据概率P进行解释 检验统计量的概率p值小于给定的显著性水平α值(0.05)，拒绝零假设，认为总体相关。若检验统计量的概率p值大于给定的显著性水平α值(0.05)，接受零假设，认为总体不相关。通常认为α0.05，认为总体相关；α0.01，认为总体显著(较强)相关。注：在实际应用中，变量间相关性的研究应注意将绘制散点图与计算相关系数的方法相结合。仅根据散点图或相关系数都无法准确反映变量间的相关性，两者的结合运用是必要的。第18页,共42页，星期六，2024年，5月

二元变量分析第19页,共42页，星期六，2024年，5月三、二元变量分析概念二元变量分析(Bivariate)是研究和分析两个变量之间相关程度的统计方法。应用很多时候都是通过两个变量进行相关分析，所以二元变量分析应用十分广泛。如：家庭收入与家庭消费支出之间是否相关商品销售价格与商品销售额之间是否相关客户满意度与商业企业综合竞争力之间是否相关广告投入和销售额之间是否相关可以结合单变量方差分析理解第20页,共42页，星期六，2024年，5月三、二元变量分析SPSS操作及案例分析例一：为了研究某项职业技能和员工年龄之间的关系，对员工进行职业技能测试，得到有关上述两变量的数据表。（8-Bivariate_age.sav）现以年龄作为自变量x，职业技能测试得分为因变量y，以两变量数据为依据，绘制散点图分析两变量之间的相关关系。注意：通过散点图只是初步分析两变量之间的相关关系通常用散点图描述相关关系的表达方式：完全相关较强(正/负)相关较弱(正/负)相关不相关 第21页,共42页，星期六，2024年，5月三、二元变量分析SPSS操作及案例分析结果分析：从散点图中可以看出，点的分布比较分散，在拟合线上或周围的点分布较少，说明两变量之间相关程度较弱。从拟合线的趋势来看，职业技能和员工年龄之间之间有一定的相关关系，而且是随着年龄的增加，职业技能测试得分会随之上升，但上升幅度较小。所以上述两变量之间具有较弱正相关的关系。通过对散点图的编辑，可以添加拟合线第22页,共42页，星期六，2024年，5月三、二元变量分析SPSS操作及案例分析操作步骤Graphs→LegacyDialogs→Scatter/Dot…数据文件：8-Bivariate_age.sav常用的散点图类型简单散点图重叠散点图矩阵散点图三维散点图单点散点图第23页,共42页，星期六，2024年，5月三、二元变量分析SPSS操作及案例分析散点图的其他应用（1）在散点图中设置散点标记。第24页,共42页，星期六，2024年，5月三、二元变量分析SPSS操作及案例分析散点图的其他应用（2）在散点图中设置散点标签。第25页,共42页，星期六，2024年，5月SPSS操作及案例分析散点图的其他应用（3）在散点图中添加拟合线。三、二元变量分析1.双击该图区第26页,共42页，星期六，2024年，5月SPSS操作及案例分析散点图的其他应用（4）计算相关系数。Analyze→Correlate→Bivariate...三、二元变量分析解释：1.Sig.=0.0410.05，拒绝H0假设，表明两变量之间是相关的。